基于AHP/D-S证据理论的贝叶斯网络参数学习方法
Bayesian network parameter learning method based on AHP/D-S evidence theory作者机构：海军工程大学动力工程学院武汉430033 91697部队山东青岛266400
出 版 物：《海军工程大学学报》 (Journal of Naval University of Engineering)
年 卷 期：2021年第33卷第6期
页 面：19-24页
学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程]
基 金：国家自然科学基金资助项目(51779262) 海军工程大学自然科学基金资助项目(425517K156)
主 题：D-S证据理论 贝叶斯网络 参数学习 单调性约束 近等式约束
摘 要：针对贝叶斯网络构建过程中先验知识的获取问题,将AHP/D-S证据理论引入到贝叶斯网络参数学习中。设计了应用AHP/D-S证据理论整合专家先验知识,综合单调性约束和近等式约束进行参数学习的算法,并进行了仿真案例研究。结果表明:该算法从原理上能够进一步提高贝叶斯网络参数学习的精度,仿真结果也明显优于极大似然估计和无先验信息的最大后验估计的结果,为贝叶斯网络参数学习过程中先验知识的获取提供了一种新的方法。
维普期刊数据库
同方期刊数据库