小数据集条件下的多态系统贝叶斯网络参数学习.pdf
第42卷第4期 计算机科学 V01.42No.4
2015年4月 Science 2015
Computer Apr
小数据集条件下的多态系统贝叶斯网络参数学习
肖蒙张友鹏
(兰州交通大学自动化与电气工程学院 兰州730070)
摘要针对贝叶斯网络中多父节点条件概率分布参数学习问题,提出了一种适用于多态节点、模型不精确、样本信
息不充分情形的参数学习方法。该方法利用因果机制独立假设,分解条件概率分布,使条件概率表的规模表现为父节
点个数和状态数的线性形式;利用LeakyNoisy-MAX模型量化了多态系统模型未含因素对参数学习的影响;从小样
本数据集中获取模型参数并合成条件概率表。结果表明,该方法能提高参数学习效率与精度。
关键词 贝叶斯网络,多态系统,小数据集,因果机制独立,参数学习
A DOI 2015.4.052
中图法分类号TPl81 文献标识码 1002—137X
10.11896/i.issrL
Parametersof NetworksforMultistatewithSmall
LearningBayesian System Sample
XIAO ZHANG
Meng You-peng
Automation
(Schoolof andElectrical JiaotongUniversity,Lanzhou730070,China)
Engineering,Lanzhou
of was
AbstractTolearn forconditional distributionmulti—fathernodes,amethod
parameters probability proposed
the the ofinsufficientinformation.U—
which tothemultistatenodesin inaccuratemodelundercondition
applys sample
is and
the of ofcausalinteraction,theconditional distribution the
sing assumptionindependence probability decomposed
sizeofconditional tableislinearinthenumbersofthe nodesandtheir
probability parent states.UsingLeakyNoisy-
MAXmodel。theinfluenceoffactorsnotincludedinthemult