贝叶斯网络分类器的基于改进粒子群参数学习方法

• 作者: 丁晓彬 刘久富 刘海洋 杨忠 王彪 王志胜 郑锐
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 贝叶斯网络 判别参数学习 改进粒子群 故障诊断
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 自动化技术
• 页码范围: 32-36,41
• 页数: 6页
• 分类号: TP391
• 字数: 3805字
• 语种: 中文
• DOI: 10.11991/yykj.201809018

摘要

研究了贝叶斯网络分类器的高效参数学习方法.生成方法解决联合分布的参数估计问题,而判别方法解决后验分布的参数估计问题.对判别参数学习方法的研究,首先通过建立类条件贝叶斯网络模型;在此基础上,对该模型以对数形式参数化,得到判别类条件贝叶斯网络模型;最后,通过改进粒子群算法对该模型进行最优化求解,得到各节点的概率.将贝叶斯网络分类器的判别参数学习方法与TAN分类器相结合,可用于对液体火箭发动机的故障诊断与分类中.针对某型号火箭的两次仿真数据进行故障诊断与分类,与其他方法相比,改进的分类器需要的数据量小,准确率和学习效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志胜	南京航空航天大学自动化学院	83	518	13.0	19.0
2	刘久富	南京航空航天大学自动化学院	53	207	8.0	11.0
3	王彪	南京航空航天大学自动化学院	69	795	12.0	25.0
4	杨忠	南京航空航天大学自动化学院	125	1388	18.0	32.0
5	郑锐	南京航空航天大学自动化学院	9	4	1.0	1.0
6	丁晓彬	南京航空航天大学自动化学院	8	2	1.0	1.0
7	刘海洋	东南大学电子信息工程学院	3	8	2.0	2.0