小数据集条件下基于双重约束的BN参数学习

• 作者: 邸若海 郭志高 高晓光
• 来源期刊: 自动化学报
• 关键词: 贝叶斯网络 参数学习 小数据集 Beta 分布 保序回归
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 短文
• 页码范围: 1509-1516
• 页数: 8页
• 字数: 8427字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.01509

摘要

针对小数据集条件下的贝叶斯网络(Bayesian network, BN)参数学习问题,提出了一种基于双重约束的贝叶斯网络参数学习方法。首先,对网络中的参数进行分析并将网络中的参数划分为：父节点组合状态相同而子节点状态不同的参数和父节点组合状态不同而子节点状态相同的参数；然后,针对第一类参数提出了一种新的基于Beta 分布拟合的贝叶斯估计方法,而针对第二类参数利用已有的保序回归估计方法进行学习,进而实现了对网络中参数的双重约束学习；最后,通过仿真实例说明了基于双重约束的参数学习方法对小数据集条件下贝叶斯网络参数学习精度提高的有效性。

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	邸若海	西北工业大学电子信息学院	12	117	7.0	10.0
3	郭志高	西北工业大学电子信息学院	7	52	5.0	7.0