小数据集条件下贝叶斯网络自适应参数学习方法

• 作者: 邸若海 郭志高 高晓光
• 来源期刊: 控制理论与应用
• 关键词: 贝叶斯网络 小数据集 参数估计 凸优化 自适应方法
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 论文与报告
• 页码范围: 945-955
• 页数: 11页
• 分类号: TP18
• 语种: 中文
• DOI: 10.7641/CTA.2016.50489

摘要

针对小数据集条件下贝叶斯网络参数学习问题，约束最大似然(CML)和定性最大后验概率(QMAP)方法是两种约束适用性较好的方法。当样本数量、约束数量、参数位置不同时，上述两种方法互有优劣，进而导致方法上的难以选择。因此，本文提出一种自适应参数学习方法：首先，利用CML和QMAP方法学习得到两组参数；然后，基于拒绝–接受采样和空间最大后验概率思想自定义计算得到样本权重、约束权重、参数位置权重；最后，基于上述参数和权重计算得到新的参数解。实验表明：在任何条件下，本文方法计算得到参数的精度接近甚至优于CML和QMAP方法的最优解。

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