参数在线学习的动态贝叶斯网络态势估计算法

doi:10.3969/j.issn.1000-565X.2015.01.006

华南理工大学学报（自然科学版） ›› 2015, Vol. 43 ›› Issue (1): 34-40.doi: 10.3969/j.issn.1000-565X.2015.01.006

• 电子、通信与自动控制 • 上一篇下一篇

参数在线学习的动态贝叶斯网络态势估计算法

袁德平¹ 郑娟毅² 史浩山¹

1. 西北工业大学电子信息学院，陕西西安 710129 ； 2. 西安邮电大学通信与信息工程学院，陕西西安 710121

收稿日期:2014-08-13 修回日期:2014-10-17 出版日期:2015-01-25 发布日期:2014-12-01
通信作者: 袁德平（1972-) ，男，博士生，高级工程师，主要从事信息融合、目标跟踪研究. E-mail:depingy@sina.com
作者简介:袁德平（1972-) ，男，博士生，高级工程师，主要从事信息融合、目标跟踪研究.
基金资助:
国家自然科学基金资助项目（ 61201194) ；陕西省科学技术研究发展计划资助项目（ 2013K06-07)

Situation Assessment Algorithm for Online Parameters Learning in Dynamic Bayesian Networks

Yuan De - ping¹ Zheng Juan - yi² Shi Hao - shan¹

1. School ofElectronicsInformation ， Northwestern Polytechnical University ， Xi ’ an 710129 ， Shaanxi ， China ； 2. School ofTelecommu-nication and Information Engineering ， Xi ’ an University of Posts and Telecommunications ， Xi ’ an 710061 ， Shaanxi ， China

Received:2014-08-13 Revised:2014-10-17 Online:2015-01-25 Published:2014-12-01
Contact: 袁德平（1972-) ，男，博士生，高级工程师，主要从事信息融合、目标跟踪研究. E-mail:depingy@sina.com
About author:袁德平（1972-) ，男，博士生，高级工程师，主要从事信息融合、目标跟踪研究.
Supported by:
Supported by the National Natural Science Foundation of China （ 61201194 ） and the Science and Technology Research Development Project of Shaanxi Province （ 2013K06-07)

摘要/Abstract

摘要： 为快速实现对战场态势的精确估计，提出了参数在线学习的动态贝叶斯网络方法：在基于专家知识确定的动态贝叶斯网络结构模型基础上，用前向递归方法对网络模型的参数进行估计 . 针对战场态势模型的观测值具有小样本的特性，以狄利克雷分布作为样本的先验分布，采用矩估计法对先验分布的超参数进行估计，以该先验分布的等价样本与观测值实现对网络参数的学习和对战场态势的估计 . 仿真实验结果表明，应用该方法实现态势估计具有较高的实时性和准确性 .

关键词: 贝叶斯网络, 态势估计, 狄利克雷分布, 参数学习

Abstract:

In order to assess battlefield situation accurately and quickly ， an algorithm for online parameters learning is proposed on the basis of dynamitic Bayesian networks （ DBN ） . Forward recursion algorithm is used to estimate the parameters of network model after the structure model of dynamic Bayesian network is confirmed by expert knowledge. Dirichlet distribution is used as the prior distribution of samples according to the characteristics of small samples for the observation value of battlefield situation model ， and moment estimation is adopt to estimate the hyper parameters of the prior distribution. Then ， in combination with the equivalent samples value from the prior distribution ， the observation value can be used to implement parameters learning and battlefield situation assessment. Simulated results indicate that the proposed algorithm is of good real-time performance and high accuracy for situation assessment.

Key words: Bayesian networks, situation assessment, Dirichlet distribution, parameters learning

中图分类号:

TP391

袁德平郑娟毅史浩山. 参数在线学习的动态贝叶斯网络态势估计算法[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 34-40.

Yuan De - ping Zheng Juan - yi Shi Hao - shan . Situation Assessment Algorithm for Online Parameters Learning in Dynamic Bayesian Networks[J]. Journal of South China University of Technology (Natural Science Edition), 2015, 43(1): 34-40.

[1]	程小云, 屈霞萍, 张学宇, 等. 基于动态贝叶斯网络的常发性拥堵传播机理分析[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 25-34.
[2]	李博张洪刚. 基于高阶动态贝叶斯网络嵌入的路面异常检测算法[J]. 华南理工大学学报（自然科学版）, 2020, 48(1): 51-59.
[3]	代翔黄细凤唐瑞蒋梦婷陈兴蜀王海舟罗梁. 基于层次聚类的子话题检测算法[J]. 华南理工大学学报（自然科学版）, 2019, 47(8): 84-95.
[4]	文志诚陈志刚唐军. 基于时间序列分析的网络安全态势预测[J]. 华南理工大学学报（自然科学版）, 2016, 44(5): 137-143,150.
[5]	宗芳张慧永贾洪飞. 基于贝叶斯网络的停车收费政策评价[J]. 华南理工大学学报（自然科学版）, 2010, 38(7): 78-83.
[6]	赵洁肖南峰钟军锐. 基于贝叶斯网络和行为日志挖掘的行为信任控制[J]. 华南理工大学学报（自然科学版）, 2009, 37(5): 94-100.

参数在线学习的动态贝叶斯网络态势估计算法

Situation Assessment Algorithm for Online Parameters Learning in Dynamic Bayesian Networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 6

编辑推荐

Metrics

本文评价