一种基于云模型的贝叶斯网络EM参数学习算法

被引：26

作者：

曹如胜 ^{[1
]}

倪世宏 ^{[1
]}

张鹏 ^{[1
]}

奚显阳 ^{[2
]}

机构：

[1] 空军工程大学航空航天工程学院

[2] 中国人民解放军部队

来源：

计算机科学 | 2016年 / 43卷 / 08期

关键词：

云模型; 贝叶斯网络; 参数学习; 离散化;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

针对贝叶斯网络连续节点离散化后,概念知识表达存在模糊性和随机性的问题,提出一种将云模型与EM(Expectations Maximization)算法相结合的贝叶斯网络参数学习算法。首先运用启发式高斯云变换算法(Heuristic Gaussian Cloud Transformation)和云发生器将连续节点定量样本转换成定性概念,并记录下样本对所属概念的确定度,运用确定度概率转换公式将确定度转换成相应概率;随后复制扩充样本并按概率选择所属概念;样本更新后结合EM算法进行参数优化,实现贝叶斯网络的参数学习。仿真实验结果表明,通过云模型表征概念得到的参数学习结果更加符合实际情况,参数学习精度和网络推理准确性得到了提高。

引用

页码：194 / 198

页数：5

共 11 条

[1]

贝叶斯网络在智能信息处理中的应用.[M].肖秦琨; 高嵩; 著.国防工业出版社.2012,

[2]

高等数理统计.[M].苏良军; 著.北京大学出版社.2007,

[3]

不确定性人工智能.[M].李德毅;杜鹢著;.国防工业出版社.2005,

[4]

基于云贝叶斯网络的目标威胁评估方法 [J].