文献类型：期刊文章

作　　者：曹如胜[1] 倪世宏[1] 张鹏[1] 奚显阳[2]

CAO Ru-sheng NI Shi-hong ZHANG Peng XI Xian-yang(College of Aeronautics and Astronautics Engineering, Air Force Engineering University,Xi＇ an 710038, China Chinese People＇s Liberation Army 95880 Troops,Beijing 100095,China)

机构地区：[1]空军工程大学航空航天工程学院 [2]中国人民解放军95881部队

出　　处：《计算机科学》

年　　份：2016

卷　　号：43

期　　号：8

起止页码：194-198

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSCD、CSCD_E2015_2016、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对贝叶斯网络连续节点离散化后,概念知识表达存在模糊性和随机性的问题,提出一种将云模型与EM(Expectations Maximization)算法相结合的贝叶斯网络参数学习算法。首先运用启发式高斯云变换算法(Heuristic Gaussian Cloud Transformation)和云发生器将连续节点定量样本转换成定性概念,并记录下样本对所属概念的确定度,运用确定度概率转换公式将确定度转换成相应概率;随后复制扩充样本并按概率选择所属概念;样本更新后结合EM算法进行参数优化,实现贝叶斯网络的参数学习。仿真实验结果表明,通过云模型表征概念得到的参数学习结果更加符合实际情况,参数学习精度和网络推理准确性得到了提高。

关 键 词：云模型 贝叶斯网络 参数学习  离散化

分 类 号：TP181]