基于高斯噪声模型的马尔可夫网络构建算法.pdfVIP

第34卷第5期 系统T程与电子技术V01．34No．5 andEleftronics 2012 2012年5月 SyslcmsEnRine叮ing May 文章编号：looJ一506X‘zol2)05一104l-05 基于高斯噪声模型的马尔可夫网络构建算法 杨博，张军英 (西安电子科技大学计算机学院，陕西西安710071) 摘要：针时小样本集构建稀疏马尔可夫网络计算量大和求解精度不高的问题．提出一种基于高斯噪声模型 的迭代唪声消减(iterat；venoise reduction，INR)算法。谊算法首先利用回归误盖的高斯特性筛选相关变量，然后 information 通过boosting方法的自回归更新策略逐步改进学习能力，最后采用赤池信息准刖(Akaikecriterion， AIC)避免出现过拟合。此外．给出了自回归更新公式。实现了可控的学习错误率并分析了计算复杂度．实验结果 表明，lNR能有效构建高维稀疏网络，在学习效率和精度方面具有明昱优势． 关键词：人工智能；迭代噪声消减；网络推理l马尔可夫网络，高斯噪声 中图分类号：TP18 文献标志码：A DoI：10．3969／j_issrL100l一506X．2012．05．33 Gaussiannoisemodelb髂ed toconst珊ct aIgorithm Markovnetwork YANGBo，ZHANG Jun—yIng (S碗∞f Sd删cf口玎d t Xf’仰”DD力．劬f砸) o厂c【黼加￡fr 1’Pf矗玎口如gy·Xi舞册Uhiwify Abst憎ct：To∞lvethedifficultiesof caIculationandlow in high quantity precisionconstructingsparse Markovnetworkwitha smallsetof iterative∞ise basedonthe samples，an reduction(INR)aIgorithm Gaussiannoisemodelis the out relatedvariables statis— proposed．Thealgorithmfirstlypicks throughemploying tictestto residual3． Afterthat，a is the fegression learningability throughautoregressive graduallyimproved simiIaras informationcriterion(AIC)isusedtoavoidover— update3trategy b∞sting method．Finally．AkaIke fi