不完备证据条件下的Bayesian网络参数学习.pdfVIP

计算机科学 2008Vol35 № 1 　 不完备证据条件下的 Bayesian 网络参数学习 ) 刘 　震 　周明天 ( 电子科技大学计算机科学与工程学院　成都 6 10054) 　 摘 　要 　在 Bayesian 网络推理中 ,对节点做参数学习是必不可少的。但在学习过程中 ,常常会出现证据丢失 ,导致参 数收敛速度减慢 , 同时影响参数学习的精确度 ,甚至给参数收敛带来困难 。针对这样的问题 ,本文提出一种证据丢失 参数模型 ,并推导出包含学习率的 EM 更新算法 。收敛性能的理论分析和仿真试验结果两方面均表明 ,新算法与传统 处理算法相比,在不降低参数估计精度的前提下 ,具有更快的收敛速度 ,为保证不完备证据条件下可信高效的Bayes ian 网络参数学习提供了一条可行的解决途径 。 关键词 　Bayesian 网络 ,证据丢失 , EM (η) 算法 ,学习率 　 Parameter Learning in Bayesian Net work under Incomplete Evidence Input L IU Zhen 　ZHOU MingTian ( College of Comp ut er Science and Engineering ,U ESTC , Chengdu 6 10054) 　 Abstract 　To Infer in a Bayesian network , p aramet er learning for a given network no de i s obviou sly necessary . But during t he cour se of p aramet er learning , evidence lo ss would happ en f rom time to time and t herefore slow down t he p a ramet er conver gence , influence t he accuracy of p aramet er learning , and even cau se no p aramet er conver gence . Aiming at t hi s question , t hi s p ap er p ropo ses a p aramet er mo del under evidence lo ss and deduce an EM up dating algorit hm which cont ain s learning rat e . Comp ared wit h t he t raditional algorit hm s , bot h of t he conver ging p erformance analysi s and simulation t esting result s show t hat new algorit hm ha s much quicker conver gence rat e wit hout degrading t he accu racy of p aramet er estimation . New algorit hm p rovides a feasible way to en sure a t ru st ed and efficient Bayesian network p aramet er learning under t he sit uation of evidence lo ss. Keywords 　Bayesian network , Evidence lo ss , EM (η) alg