利用先验正态分布的贝叶斯网络参数学习

• 作者: 方敏 柴慧敏 赵昀瑶
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 贝叶斯网络 参数学习 近似等式约束 正态分布
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 2370-2375
• 页数: 6页
• 分类号: TP18
• 字数: 5229字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2018.10.31

摘要

针对贝叶斯网络参数的近似等式约束,提出采用正态分布构建该类约束的数学模型;然后用Dirichlet分布逼近正态分布,并通过目标优化计算Dirichlet分布的超参数;最后采用贝叶斯最大后验概率(maximum a posterior,MAP)估计方法计算网络参数值.在不同样本量的数据集下进行实验测试,将本文方法与其他4种主要方法进行比较,结果表明:该方法的参数学习精度都好于其他4种方法,尤其是在样本量较小的情况下.该方法的运行时间高于其他4种方法,但相同样本量的数据集下,学习精度的提高倍数要高于时间增加的倍数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方敏	西安电子科技大学计算机学院	34	305	11.0	16.0
2	柴慧敏	西安电子科技大学计算机学院	14	99	6.0	9.0
3	赵昀瑶	西安电子科技大学计算机学院	2	10	1.0	2.0