声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1525/N
国际刊号：2097-1915
发布日期:
作者：任智芳，陈海洋*，环晓敏，尚珊珊
单位：西安工程大学电子信息学院，西安，710048\
关键词：贝叶斯网络;参数学习;小数据集;乘性协同约束
基金：国家自然科学基金项目（51905405）
在一些特定情况下，获取充足样本十分困难，导致最大似然估计算法学习到的BN参数精度往往较低，并且一些实际应用领域中已涉及多父节点协同影响约束的问题。对此，通过借鉴PAVA保序回归算法思想，提出了一种小数据集下基于修正乘性协同约束的BN参数学习方法。首先，判断已知样本数据中多父节点部分的参数是否满足乘性协同约束；其次，把不满足乘性协同约束的左右两边划分为整体，用PAVA算法分别对其进行调整，针对调整后的整体，根据不同父节点组合状态对应的样本数据量，给出3种权值不同的校正方法，对每个参数进行修正，得到最终参数学习结果；最后，运用经典草地湿润网络模型对提出的方法进行仿真验证。研究结果表明，在小数据集条件下，提出的方法不仅满足了乘性协同约束，而且KL散度始终低于其他2种方法，但运行时间略高于其他2种方法约1×10-3s，影响甚微。总体上，所提算法的综合性能优于其他2种方法。
来源：2023年第4期
《空军工程大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。