[發明專利]一種無先驗知識條件下基于小數據集的貝葉斯網絡參數學習方法在審
| 申請號： | 201810633214.0 | 申請日： | 2018-06-20 |
| 公開（公告）號： | CN108846439A | 公開（公告）日： | 2018-11-20 |
| 發明（設計）人： | 邸若海;高曉光;萬開方;郭志高 | 申請（專利權）人： | 西北工業大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N7/00 |
| 代理公司： | 西北工業大學專利中心 61204 | 代理人： | 呂湘連 |
| 地址： | 710072 *** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 小數據 貝葉斯網絡 參數學習 先驗知識 問題提供 統計量 計算機技術領域 最大似然估計 參數問題 分布條件 個數確定 獲取數據 虛擬樣本 數據量 建模 排序 虛擬 參考 引入 應用 | ||
【權利要求書】：
1.一種無先驗知識條件下基于小數據集的貝葉斯網絡參數學習方法，其特征在于，包括入戲步驟：
步驟1：獲取數據統計量：
在小數據集條件下，通過統計獲取參數學習所需的對應的狀態統計量Nijk和Nij，其中，Nijk表示數據集中節點i取值為k，且其父節點取值為j的樣本個數，Nij為數據集中節點i的父節點取值為j的樣本個數；
步驟2：根據小數據集的數據量和待求參數的狀態個數確定虛擬樣本量：
設待求參數為θijk，其中k有r種取值狀態，設數據量為N，則
Nneed＝n2logn2lognm+1 (1)
α1＝α2＝L＝αr＝Nneed-N (2)
其中，n為網絡節點個數，m為網絡種的最大父節點數，Nneed為學習網絡參數所需的樣本量可由公式(1)計算得到，α1,α2Kαr分別表示同一分布條件下，即父節點取值相同時的一組參數對應的虛擬樣本量；
步驟3：利用最大似然估計方法計算待求的參數，具體通過利用公式(3)求解：
步驟4：對同一分布條件下的參數進行排序，找出較小的參數；
步驟5：根據步驟4得到的同一分布條件下的參數大小排序，設所得參數排序為按照從小到大的順序分別利用公式(4)計算貝葉斯網絡參數，其中表示同一分布條件下的參數：
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西北工業大學，未經西北工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810633214.0/1.html，轉載請聲明來源鉆瓜專利網。
