10.3321/j.issn:0253-987X.2005.10.013
在非时齐马氏决策过程中的动态贝叶斯网络研究
提出了用动态贝叶斯网络(DBN)对非时齐马氏决策系统进行建模的改进方法,使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中.该方法的基本思路是,将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型,给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法,进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计,并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习,以解决假设条件要求的转移概率的时不变性.原理性分析和仿真实验结果也验证了改进方法的有效性.
动态贝叶斯网络、马尔可夫模型、隐藏变量、贝叶斯概率统计
39
TP18(自动化基础理论)
国防科工委预研项目2002040202;国家重点基础研究发展计划973计划2004CB719401
2005-11-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
1088-1091