小数据集条件下的多态系统贝叶斯网络参数学习

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Leaky Noisy-MAX模型量化了多态系统模型未合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： 人工智能理论 贝叶斯网络 多态系统 小数据集 参数学习 因果机制独立

作者: 肖蒙 张友鹏

作者单位: 兰州交通大学自动化与电气工程学院 兰州730070

会议类型: 国内会议

会议名称: 2014湖北省计算机学会学术年会

会议地点: 宜昌

会议语种:中文

页码: 253-257

在线出版日期: 2014-10-31（万方平台首次上网日期，不代表论文的发表时间）