一种基于云模型的贝叶斯网络EM参数学习算法

• 作者: 倪世宏 奚显阳 张鹏 曹如胜
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 云模型 贝叶斯网络 参数学习 离散化
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 194-198
• 页数: 5页
• 分类号: TP181
• 字数: 4474字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.8.039

摘要

针对贝叶斯网络连续节点离散化后,概念知识表达存在模糊性和随机性的问题,提出一种将云模型与EM(Expectations Maximization)算法相结合的贝叶斯网络参数学习算法.首先运用启发式高斯云变换算法(HeuristicGaussian Cloud Transformation)和云发生器将连续节点定量样本转换成定性概念,并记录下样本对所属概念的确定度,运用确定度概率转换公式将确定度转换成相应概率;随后复制扩充样本并按概率选择所属概念;样本更新后结合EM算法进行参数优化,实现贝叶斯网络的参数学习.仿真实验结果表明,通过云模型表征概念得到的参数学习结果更加符合实际情况,参数学习精度和网络推理准确性得到了提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪世宏	空军工程大学航空航天工程学院	77	520	11.0	16.0
2	张鹏	空军工程大学航空航天工程学院	83	557	12.0	18.0
3	曹如胜	空军工程大学航空航天工程学院	2	14	2.0	2.0