动态贝叶斯网络一种自适应的局部抽样粒子滤波算法

摘要：

针对传统自适应粒子滤波(APF)对于动态贝叶斯网络推理中高维的问题,提出动态贝叶斯网络一种自适应的局部抽样粒子滤波算法(LSAPF).LSAPF算法将BK算法分团的思想引入到粒子抽样中,利用策略相关性和局部模型的弱交互性为指导对动态贝叶斯网络进行分割,以降低抽样规模和抽样的状态空间;进而对局部模型用自适应粒子滤波算法进行近似推理,并以粒子的因式积形式近似系统的状态信度.实验结果表明,该算法能很好地兼顾推理精度和推理时间,其性能优于普通PF算法;与APF算法相比,在不增加推理误差的情况下推理时间也有较大的提高.

关键词：动态贝叶斯网络、局部抽样方法、自适应粒子滤波、粒子滤波、BK算法

所属期刊栏目：27

分类号：TP18;TP301.6(自动化基础理论)

资助基金：安徽省自然科学基金资助项目070412064;合肥工业大学科学研究发展基金资助项目070504F

在线出版日期：2010-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1304-1307