小数据集BN建模方法及其在威胁评估中的应用

• 作者: 邸若海 郭志高 高晓光
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 贝叶斯网络 小数据集 二值粒子群优化 威胁评估
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 科研通信
• 页码范围: 1504-1511
• 页数: 8页
• 分类号: TP18
• 字数: 6455字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2016.06.035

摘要

贝叶斯网络是数据挖掘领域的主要工具之一。在某些特定场合，如重大装备的故障诊断、地质灾害预测及作战决策等，希望用少量数据得到较好的结果。因此，本文针对小数据集条件下的贝叶斯网络学习问题展开研究。首先，建立基于连接概率分布的结构约束模型，提出I-BD-BPSO（Improved-Bayesian Dirichlet-Binary Particle Swarm Optimi-zation）结构学习算法；其次，建立单调性参数约束模型，提出MCE（Monotonicity Constraint Estimation）参数学习算法；最后，应用所提算法构建威胁评估模型并应用变量消元法进行推理计算。实验结果表明，在小数据集条件下，本文的结构学习算法优于经典的二值粒子群优化算法，参数学习算法优于最大似然估计、保序回归及凸优化算法，并能够构建有效的威胁评估模型。

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