[发明专利]基于小数据集下的BN参数学习的目标识别方法

权利要求书

1.基于小数据集下的BN参数学习的目标识别方法，其特征在于：

利用小样本数据集与定性专家经验有机结合，借助凸优化求解来提高BN参数学习精度，从而完成目标识别BN建模，最后利用目标识别BN推理结果来反映目标状态。

2.根据权利要求1所述的基于小数据集下的BN参数学习的目标识别方法，其特征在于：

具体包括以下步骤：

第1步：设置目标识别的目标属性概率阈值Ω以及BN参数学习中Dirichlet分布超参数α_ijk；

第2步：根据目标识别领域知识建立BN模型结构G；

第3步：获取目标样本数据集D；

第4步：判断BN参数θ_ijk是否已经建模；若已参数建模，则跳转至第8步；若没有参数建模则利用第5步至第7步，计算出BN模型参数θ_ijk；

第5步：根据样本数据集D统计样本量N_ijk，即样本数据中父节点状态为j、第i个节点取第k个状态的统计值；

第6步：将专家经验根据下面公式(2)和公式(3)形成约束集合ξ；

根据BN节点参数的归一性得公式(2)；有关部分BN节点参数描述为公式(3)的不等式集合，即：

其中，θ_A表示参数序列，C是一个常数且C≥0；

第7步：根据样本统计量N_ijk，约束集合ξ，即公式(2)、(3)以及目标函数公式(4)进行参数优化确定出BN参数θ_ijk；

若N_ijk为0，则令N_ijk＝0.01；θ_ijk求解利用凸优化求解工具完成，然后返回第3步；

第8步：在BN模型中，由D得到待识别的观测证据ev，利用联合树算法进行推理，从而得到目标属性概率Ω'；

第9步：判断目标属性概率Ω'是否大于等于阈值Ω；若不满足则返回步骤3；若满足则输出目标属性，即目标识别结果。