基于数据扩展的动态贝叶斯网络预测方法

摘要：

将数据扩展方法应用于动态贝叶斯网络的参数学习中,利用随机抽样算法对小样本数据进行数据扩展,并采用贝叶斯后验概率公式对扩展数据进行修正,同时计算观测数据的后验概率,然后在扩展数据的基础上,完成动态贝叶斯网络的学习和推理.仿真实验表明这种方法可以降低预测模型中节点的联合效应所造成的误差积累,提高模型的预测精度.

关键词： 动态贝叶斯网络 误差积累 数据扩展 条件概率 故障预测

作者: 刘春阳 张泽浩 柳长安 吴华

作者单位: 北京科技大学计算机与通信工程学院,北京100083;华北电力大学控制与计算机工程学院,北京102206 华北电力大学控制与计算机工程学院,北京102206

会议类型: 国内会议

会议名称: 第十一届中国智能机器人会议

会议地点: 大连

会议语种:中文

页码: 81-83,87

在线出版日期: 2015-10-22（万方平台首次上网日期，不代表论文的发表时间）