计算机组成原理 肖蒙,小数据集条件下的多态系统贝叶斯网络参数学习.pdf

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