资源描述：
《2014-变结构动态贝叶斯网络的机制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第37卷第12期自动化学报Vol.37,No.122011年12月ACTAAUTOMATICASINICADecember,2011变结构动态贝叶斯网络的机制研究高晓光1陈海洋2史建国3摘要传统的动态贝叶斯网络(DynamicBayesiannetworks,DBNs)描述的是一个稳态过程,而处理非稳态过程,变结构动态贝叶斯网络更适用、更灵活、更有效.为了克服现有变结构离散动态贝叶斯网络推理算法只能处理硬证据的缺陷,本文在深入分析变结构动态贝叶斯网络机制及其特征的基础上,提出了变结构离散动态贝叶斯网络的快速推理算法.此外,对
2、变结构动态贝叶斯网络的特例,即数据缺失动态贝叶斯网络进行了定义并构建了相应的模型.仿真实验验证了变结构离散动态贝叶斯网络快速推理算法的有效性及计算效率.关键词动态贝叶斯网络,推理,软证据,复杂度DOI10.3724/SP.J.1004.2011.01435StudyontheMechanismofStructure-variableDynamicBayesianNetworks123GAOXiao-GuangCHENHai-YangSHIJian-GuoAbstractTraditionaldynamicBayesianne
3、tworks(DBNs)areessentiallymodelsthatdescribeavarietyofstablepro-cesses.Todealwithunstableprocesses,structure-variabledynamicBayesiannetworksaremoreapplicable,°exible,ande®ective.Currently,however,thevariousinferencealgorithmsunderconsiderationforstructure-variabled
4、iscretedynamicBayesiannetworks(DDBNs)canonlyhandlehardevidence.Inthispaper,anin-depthandtheoreticalanalysisisgivenforthemechanismandkeycharacteristicsofstructure-variabledynamicBayesiannetworks,andonthisbasis,afastinferencealgorithmisproposed.Furthermore,aspecialcl
5、assofstructure-variabledynamicBayesiannetworks,dynamicBayesiannetworkswithmissingdata,isde¯nedrigorouslyalongwithassociatednetworktopologyandparametersettingsofsuchnetworks.Severalexperimentalsimulationshaveshownthee®ectivenessande±ciencyofourfastinferencealgorithm
6、.KeywordsDynamicBayesiannetworks(DBNs),inference,softevidences,complexity贝叶斯网络[1¡2]是一种图形化的模型,能够图有多种表现方式,其中,隐马尔科夫模型(Hidden形化地表示一组变量间的联合概率分布函数.贝Markovmodels,HMM)[10¡11]与卡尔曼滤波模型叶斯网络分为静态贝叶斯网络和动态贝叶斯网络(Kalman¯ltermodels,KFM)[11¡13]是DBNs的(DynamicBayesiannetworks,DBNs).动态贝
7、叶特例,同时也是目前研究和应用最广泛的模型.在斯网络[3¡4]是静态贝叶斯网络的进一步发展,它除这两个基本模型的基础上,发展了其他结构更为了继承静态贝叶斯网络的优点外,还具有静态贝叶复杂的动态贝叶斯网[5¡9],它们都遵循两个基本假斯网络所没有的优点:在分析问题的过程中考虑了设[14]:1)一阶马尔科夫假设,即各个节点之间的时间因素,在事件推理过程中具有前后连续性,使边或者位于同一时间片内,或者位于相邻时间片之得这种推理方法更符合客观世界,同时采用概率方间,不能跨越时间片;2)时齐性或齐次性,即B!法结合专家知识进行描述,并
8、结合历史信息和证据中的参数不随时间片变化.在本文中,我们把遵循库,因此,具有信息时间积累能力,能更有效地降这两个基本假设的动态贝叶斯网络称之为传统的低不同层次信息综合推理过程中的不确定性.基于动态贝叶斯网络,它针对环境状态的变化是由一个此,利用动态贝叶斯网络解决不确定性问题越来越稳态过程引
