信息不完备小样本条件下离散DBN参数学习

被引：6

作者：

任佳 ^{[1
]}

高晓光 ^{[2
]}

白勇 ^{[1
]}

机构：

[1] 海南大学信息科学技术学院

[2] 西北工业大学电子信息学院

来源：

系统工程与电子技术 | 2012年 / 34卷 / 08期

关键词：

离散动态贝叶斯网络; 参数学习; 约束递归学习; 信息不完备;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。

引用

页码：1723 / 1728

页数：6

共 6 条

[1] 目标数据缺失下离散动态贝叶斯网络的参数学习 [J].

任佳 ;

高晓光 ;

茹伟 .

系统工程与电子技术, 2011, 33 (08) :1885-1890

[2] 基于新Dirichlet先验分布的指数寿命型产品多阶段可靠性增长Bayes分析 [J].

明志茂 ;

张云安 ;

陶俊勇 ;

陈循 .

兵工学报, 2009, 30 (06) :733-739

[3] The threshold EM algorithm for parameter learning in bayesian network with incomplete data [J].

Ben Lamine, Fradj ;

Kalti, Karim ;

Mahjoub, Mohamed Ali .

INTERNATIONAL JOURNAL OF ADVANCED COMPUTER SCIENCE AND APPLICATIONS, 2011, 2 (07) :86-91

[4] Learning Bayesian network parameters under incomplete data with domain knowledge [J].

Liao, Wenhui ;

Ji, Qiang .

PATTERN RECOGNITION, 2009, 42 (11) :3046-3056

[5] Robust learning with missing data [J].

Ramoni, M ;

Sebastiani, P .

MACHINE LEARNING, 2001, 45 (02) :147-170

[6]

Structure learning of Bayesian net-works using constraints .2 Campos C P,Zeng Z,Ji Q. Proc.ofthe26th Annual Inter-national Conference on Machine Learning . 2009

← 1 →