动态贝叶斯网络一种自适应的局部抽样粒子滤波算法.pdfVIP

第27卷第4期 计 算 机 应 用 研 究 Vo1．27No．4 2010年4月 ApplicationResearchofComputers Apr．2010 动态贝叶斯网络一种 自适应的 局部抽样粒子滤波算法术 戚 围，王 浩，姚宏亮 (合肥工业大学计算机与信息学院，合肥230009) 摘 要：针对传统 自适应粒子滤波(APF)对于动态贝叶斯网络推理中高维的问题，提 出动态贝叶斯网络一种 自 适应的局部抽样粒子滤波算法(LSAPF)。LSAPF算法将 BK算法分团的思想引入到粒子抽样 中，利用策略相关 性和局部模型的弱交互性为指导对动态贝叶斯网络进行分割，以降低抽样规模和抽样的状态空间；进而对局部 模型用 自适应粒子滤波算法进行近似推理，并以粒子的因式积形式近似系统的状态信度。实验结果表明，该算 法能很好地兼顾推理精度和推理时间，其性能优于普通PF算法；与APF算法相比，在不增加推理误差的情况下 推理时间也有较大的提高。 关键词：动态贝叶斯网络 ；局部抽样方法；自适应粒子滤波；粒子滤波；BK算法 中图分类号 ：TP18；TP301．6 文献标志码：A 文章编号：1001—3695(2010)04—1304—40 doi：10．3969／j．issn．1001—3695．2010．04．027 AdaptiveparticlefilteringfordynamicBayesiannetworksinference basedonlocalsamplemethod QIWei，WANGHao，YAOHong—liang (SchoolofComputerScience＆Technology，HefeiUniversit)，ofTechnolog)，Hefei230009，China) Abstract：Thispaperproposedalocalsampleadaptiveparticlefiltering(LSAPF)toresolvethehighdimensionproblem of traditionaladaptiveparticlefilterfordynamicBayesiannetworksinference．Basedonparticlesamplingmethod，introducedthe LSAPFalgorithm theclustersideaofBK algorithm to．AcparateddynamicBayesiannetworksundertheguidanceofstrategic relevanceandweakinteractionoflocalmodel，SOreducedthesamplingmodelscaleandstate—spaceofsampling．Thenused theAPFalgorithm toexecuteapproximateinferenceofrlocalmodel，representedthereliablestateasafactorplotofparticles． Th eexperimentresultshowsthattheLSAPFalgorithm canmakegoodchoicebetweeninferenceprecisionandinferencetime， andperformsbetterthantraditionalparticlefilteralgorithms．EspeciallycomparedwithAPF algorithm，thealgorithm has greatlyimprovedoninferenceefficiencywithoutincreasingi