首页 | 本学科首页   官方微博 | 高级检索  
     

基于动态贝叶斯网的时变样本空间无监督学习
引用本文:王翀,王天舒. 基于动态贝叶斯网的时变样本空间无监督学习[J]. 系统仿真学报, 2008, 20(5): 1203-1208
作者姓名:王翀  王天舒
作者单位:清华大学航天航空学院,北京,100084
摘    要:提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。

关 键 词:动态Bayes网  Bayes学习  EM算法  迭代自组织分析聚类算法  时变混合样本空间
文章编号:1004-731X(2008)05-1203-06
收稿时间:2006-12-01
修稿时间:2007-03-16

Unsupervised Learning Based on Dynamic Bayesian Network in Time-variable Sample Space
WANG Chong,WANG Tian-shu. Unsupervised Learning Based on Dynamic Bayesian Network in Time-variable Sample Space[J]. Journal of System Simulation, 2008, 20(5): 1203-1208
Authors:WANG Chong  WANG Tian-shu
Abstract:
Keywords:Dynamic Bayesian Network  Bayesian learning  EM algorithm  ISODATA  time-variable sample space
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号