贝叶斯网络参数学习中的噪声平滑 |
| |
引用本文: | 王双成,冷翠平,杜瑞杰.贝叶斯网络参数学习中的噪声平滑[J].系统仿真学报,2009,21(16). |
| |
作者姓名: | 王双成 冷翠平 杜瑞杰 |
| |
作者单位: | 1. 上海立信会计学院数学与信息学院,上海,201620;上海立信会计学院开放经济与贸易研究中心,上海,201620 2. 上海立信会计学院数学与信息学院,上海,201620 |
| |
基金项目: | 国家自然科学基金,上海市教委重点学科基金和上海市教委科研创新重点项目 |
| |
摘 要: | 对于存在噪声的贝叶斯网络参数学习,目前主要通过调整贝叶斯网络的结构来增强其抗噪声能力,但调整后的结构往往会降低网络的可靠性,不易实现持续学习,而且不能从源头上排除或减少噪声对参数的影响.将贝叶斯网络与Gibbs抽样相结合,以变量作为基本单位,使用马尔科夫毯提供的信息平滑一个变量对应的数据,可有效地避免上述问题.
|
关 键 词: | 贝叶斯网络 参数学习 Gibbs抽样 马尔科夫毯 噪声平滑 |
Noise Smoothing in Learning Parameters of Bayesian Network |
| |
Abstract: | |
| |
Keywords: | Bayesian network parameter learning Gibbs sampling Markov blanket noise smoothing |
本文献已被 万方数据 等数据库收录! |
|