数据缺失条件下动态贝叶斯网络参数学习

摘要：

本文针对有缺失的小样本数据条件下动态贝叶斯网络参数学习问题，引入非确定性分类思想和前向递归参数学习算法，建立数据缺失情况下动态贝叶斯网络参数学习框架。该框架利用了动态贝叶斯网络不同时刻的观测信息，通过支持向量机回归算法对有缺失的小样本数据进行修复，在获得的完备数据基础上通过前向递归算法完成动态贝叶斯网络的参数估计。结果表明，在有数据缺失的小样本条件下，应用支持向量机回归可有效的进行数据修补，弥补前向递归参学习方法的不足，建立的动态贝叶斯网络参数学习框架能够保证推理结果的准确性。

关键词： 人工智能 机器学习 递归算法 贝叶斯网络

作者: 任佳 高晓光

作者单位: 西北工业大学电子信息学院，陕西 西安 710129

会议类型: 国内会议

会议名称: 2009中国自动化大会暨两化融合高峰会议

会议地点: 杭州

会议语种:中文

页码: 1-6

在线出版日期: 2009-11-01（万方平台首次上网日期，不代表论文的发表时间）