计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
4期
253-257
,共5页
贝叶斯网络%多态系统%小数据集%因果机制独立%参数学习
貝葉斯網絡%多態繫統%小數據集%因果機製獨立%參數學習
패협사망락%다태계통%소수거집%인과궤제독립%삼수학습
Bayesian networks%Multistate system%Small sample%Independence of causal interaction%Parameters learning
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Leaky Noisy-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.
針對貝葉斯網絡中多父節點條件概率分佈參數學習問題,提齣瞭一種適用于多態節點、模型不精確、樣本信息不充分情形的參數學習方法.該方法利用因果機製獨立假設,分解條件概率分佈,使條件概率錶的規模錶現為父節點箇數和狀態數的線性形式;利用Leaky Noisy-MAX模型量化瞭多態繫統模型未含因素對參數學習的影響;從小樣本數據集中穫取模型參數併閤成條件概率錶.結果錶明,該方法能提高參數學習效率與精度.
침대패협사망락중다부절점조건개솔분포삼수학습문제,제출료일충괄용우다태절점、모형불정학、양본신식불충분정형적삼수학습방법.해방법이용인과궤제독립가설,분해조건개솔분포,사조건개솔표적규모표현위부절점개수화상태수적선성형식;이용Leaky Noisy-MAX모형양화료다태계통모형미함인소대삼수학습적영향;종소양본수거집중획취모형삼수병합성조건개솔표.결과표명,해방법능제고삼수학습효솔여정도.
