数据缺失的小样本条件下BN参数学习

摘要：

引入支持向量机回归,提出具有数据修补功能的贝叶斯网络参数学习算法.该算法利用贝叶斯网络各观测节点不同时刻下的观测信息,在无先验信息约束下,通过样本回归对缺失数据进行修复.在获得的完整数据基础上利用最大似然估计完成贝叶斯网络参数估计.仿真结果表明,在有数据缺失的小样本情况下,该参数学习方法与标准EM算法相比,能够有效的提高参数学习效率以及推理结果的精度.

关键词：贝叶斯网络、数据缺失、支持向量机回归、参数学习、最大似然估计

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60774064

在线出版日期：2011-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：172-177