华南理工大学学报（自然科学版）
華南理工大學學報（自然科學版）
화남리공대학학보（자연과학판）
JOURNAL OF SOUTH CHINA UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2015年
1期
34-40
,共7页
贝叶斯网络%态势估计%狄利克雷分布%参数学习
貝葉斯網絡%態勢估計%狄利剋雷分佈%參數學習
패협사망락%태세고계%적리극뢰분포%삼수학습
Bayesian networks%situation assessment%Dirichlet distribution%parameters learning
为快速实现对战场态势的精确估计,提出了参数在线学习的动态贝叶斯网络方法:在基于专家知识确定的动态贝叶斯网络结构模型基础上,用前向递归方法对网络模型的参数进行估计.针对战场态势模型的观测值具有小样本的特性,以狄利克雷分布作为样本的先验分布,采用矩估计法对先验分布的超参数进行估计,以该先验分布的等价样本与观测值实现对网络参数的学习和对战场态势的估计.仿真实验结果表明,应用该方法实现态势估计具有较高的实时性和准确性.
為快速實現對戰場態勢的精確估計,提齣瞭參數在線學習的動態貝葉斯網絡方法:在基于專傢知識確定的動態貝葉斯網絡結構模型基礎上,用前嚮遞歸方法對網絡模型的參數進行估計.針對戰場態勢模型的觀測值具有小樣本的特性,以狄利剋雷分佈作為樣本的先驗分佈,採用矩估計法對先驗分佈的超參數進行估計,以該先驗分佈的等價樣本與觀測值實現對網絡參數的學習和對戰場態勢的估計.倣真實驗結果錶明,應用該方法實現態勢估計具有較高的實時性和準確性.
위쾌속실현대전장태세적정학고계,제출료삼수재선학습적동태패협사망락방법:재기우전가지식학정적동태패협사망락결구모형기출상,용전향체귀방법대망락모형적삼수진행고계.침대전장태세모형적관측치구유소양본적특성,이적리극뢰분포작위양본적선험분포,채용구고계법대선험분포적초삼수진행고계,이해선험분포적등개양본여관측치실현대망락삼수적학습화대전장태세적고계.방진실험결과표명,응용해방법실현태세고계구유교고적실시성화준학성.
