论文部分内容阅读
针对以往基于约束的贝叶斯网络(Bayesian networks,BN)参数学习方法在处理先验知识时未考虑知识的不确定性这一缺陷,本文为专家知识附加一个表示不确定性的概率。对所有约束,根据其存在与否生成一个组合,计算该组合的概率,并采用凸优化方法计算该组合条件下的参数估计结果。同时,为加速问题求解,将每个具体的凸优化问题分解为一系列可并行求解的子问题。在得到所有约束组合下的参数之后,依照概率加权思想得到参数估计的最终结果。最后,通过空地战场威胁态势评估模型,证明在参数学习过程中考虑知识的不确定性可有效改善