基于数据扩展的动态贝叶斯网络预测方法

• 作者: 刘春阳 吴华 张泽浩 柳长安
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 动态贝叶斯网络 误差积累 数据扩展 条件概率 故障预测
• 年，卷（期）: 2015,（z1）
• 所属期刊栏目: 智能机器人与智能系统
• 页码范围: 81-83,87
• 页数: 4页
• 分类号: TP393.027
• 语种: 中文
• DOI: 10.13245/j.hust.15S1020

摘要

将数据扩展方法应用于动态贝叶斯网络的参数学习中，利用随机抽样算法对小样本数据进行数据扩展，并采用贝叶斯后验概率公式对扩展数据进行修正，同时计算观测数据的后验概率，然后在扩展数据的基础上，完成动态贝叶斯网络的学习和推理。仿真实验表明这种方法可以降低预测模型中节点的联合效应所造成的误差积累，提高模型的预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柳长安	华北电力大学控制与计算机工程学院	79	858	13.0	26.0
2	吴华	华北电力大学控制与计算机工程学院	21	280	6.0	16.0
3	刘春阳	北京科技大学计算机与通信工程学院	29	442	8.0	20.0
7	张泽浩	华北电力大学控制与计算机工程学院	1	3	1.0	1.0