小样本目标识别问题下的 BN参数学习

• 作者: 田浩 高晓光
• 来源期刊: 电光与控制
• 学科: 工学
• 关键词: 目标识别 参数学习 参数优化 最小子集算法 最小元算法
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 学术研究
• 页码范围: 47-49
• 页数: 3页
• 分类号: V271.4|TP181
• 字数: 1914字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-637X.2014.08.010

摘要

目标识别问题中存在大量不确定信息，利用BN可以对不确定信息及其相互关系进行学习与推理。但是，目标识别问题的样本量较小，在参数学习过程中，常因观测数据不足产生误差，需要引入单调性信息等专家经验，针对这一问题，提出最小元算法。首先，利用最小元表达单调性信息，将其转化为参数学习可以直接利用的先验信息；然后，基于保序回归思想，对参数学习结果进行优化，消除误差，得到相对准确的网络参数。以空中目标识别为仿真背景，与最小子集算法比较，验证了该算法在准确度与复杂度等方面的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高晓光	西北工业大学电子信息学院	350	2934	23.0	33.0
2	田浩	西北工业大学电子信息学院	8	19	2.0	4.0