可分解马尔可夫网络参数学习中的噪声平滑

• 作者: 刘风霞 李小琳 王双成
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 可分解马尔可夫网络 参数学习 邻域预测 噪声平滑
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 短文
• 页码范围: 598-600,605
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.04.024

摘要

对于存在噪声的可分解马尔可夫网络参数学习.目前可通过调整可分解马尔可夫网络的结构来增强其抗噪声能力,但调整后的结构往往会降低网络的有效性和可靠性,而且不能从源头上减少噪声对参数的影响.针对该问题,首先建立基于可分解马尔可夫网络理论的邻域最优预测;然后以变量为基本单位,使用预测值平滑噪声.实验结果显示,使用平滑后的数据进行参数学习,其可靠性能够得到显著的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小琳	南京大学商学院	12	68	5.0	8.0
2	王双成	上海立信会计学院信息科学系	65	390	10.0	15.0
3	刘风霞	上海立信会计学院工商管理系	1	0	0.0	0.0