- 1、本文档共12页,其中可免费阅读11页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于专家知识约束的高压开关柜状态评估贝叶斯网络模型参数学习方法,所述方法包括如下步骤:1)高压开关柜样本数据集的获取与处理;2)根据系统中各事件的实际情况,通过事件之间的因果关系构建系统的贝叶斯网络结构图G,基于条件独立,确定所有节点的联合概率为P{θ1,θ2,…,θn};3)确定基于专家知识的参数约束;4)将期望最大化算法与专家知识相结合的方法来进行贝叶斯网络的参数学习。本发明能够将专家知识和贝叶斯网络进行融合,对不适定问题进行正则化处理,限制搜索空间,避免局部极大值。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113780348 A
(43)申请公布日 2021.12.10
(21)申请号 202110907810.5
(22)申请日 2021.08.09
(71)申请人 浙江工业大学
地址
文档评论(0)