基于加性协同的离散贝叶斯网络参数学习

• 作者: 邸若海 郭志高 高晓光
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 小数据集 加性协同 贝叶斯网络 参数学习
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 航空航天领域仿真
• 页码范围: 61-66,127
• 页数: 7页
• 分类号: TP18
• 字数: 4768字
• 语种: 中文

摘要

针对小数据集条件下离散BN参数学习的问题,为了将加性协同约束融入到BN参数学习过程中,通过借鉴经典保序回归算法的思想,提出四种处理加性协同约束的方法,进而利用经典的草地湿润模型对改进算法进行仿真,并与最大似然估计算法进行对比,仿真结果表明,改进算法在精度上有一定优势,能够很好的对最大似然估计算法进行修正,得到相对准确的参数,然而时效性则劣于最大似然估计算法.进一步将改进算法应用到弹道导弹突防模型的参数学习中,通过推理分析验证算法的有效性.

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