基于迁移学习的贝叶斯网络参数学习方法

doi:10.12068/j.issn.1005-3026.2021.04.008

东北大学学报（自然科学版） ›› 2021, Vol. 42 ›› Issue (4): 509-515.DOI: 10.12068/j.issn.1005-3026.2021.04.008

基于迁移学习的贝叶斯网络参数学习方法

王姝¹，关展旭¹，王晶¹，孙晓辉²

(1.东北大学信息科学与工程学院，辽宁沈阳110819； 2.大连天籁安全风险管理技术有限公司，辽宁大连116021)

修回日期:2020-09-06 接受日期:2020-09-06 发布日期:2021-04-15
通讯作者: 王姝
作者简介:王姝(1979-)，女，辽宁沈阳人，东北大学副教授.
基金资助:
国家自然科学基金资助项目(61973057)；矿冶过程自动控制技术国家(北京市)重点实验室开放课题(BGRIMM-KZSKL-2018-09).

Bayesian Network Parameter Learning Method Based on Transfer Learning

WANG Shu¹， GUAN Zhan-xu¹， WANG Jing¹， SUN Xiao-hui²

1.School of Information Science & Engineering， Northeastern University， Shenyang 110819， China; 2.Dalian Tianlai Security Risk Management Technology Limited Company， Dalian 116021， China.

Revised:2020-09-06 Accepted:2020-09-06 Published:2021-04-15
Contact: WANG Shu
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对贝叶斯网络参数迁移过程中对源域及目标域限定条件较多等问题，在考虑源域-目标域多种信息形式的情况下，提出一种基于贝叶斯网络参数迁移学习的统一框架.该方法综合考虑了源域结构和数据量在迁移中的作用，在结构相似性的基础上，探讨了备选源域数据量对参数迁移的影响.在迁移过程中引入与目标域数据相关的平衡系数.通过平衡系数将目标域数据与迁移过程联系起来，实现平衡系数的自动调节.Asia网络验证了本文方法的准确性.

关键词: 贝叶斯网络;参数学习;迁移学习;结构相似性;平衡系数

Abstract: In order to solve the problem that there are many restrictions on the source domain and the target domain in the process of Bayesian network parameter transfer， a unified framework based on Bayesian network parameter transfer learning was proposed under the condition of considering multiple information forms of source domain and target domain. The method considers the role of source domain structure and data volume in the migration. On the basis of structural similarity， the influence of alternative source domain data volume on parameter migration was discussed. The balance coefficient related to the target domain data was introduced in the migration process. According to the balance coefficient， the target domain data was linked with the migration process to realize the automatic adjustment of the balance coefficient. The Asia network verifies the accuracy of the method in this paper.

Key words: Bayesian network; parameter learning; transfer learning; structural similarity; equilibrium coefficient

中图分类号:

TP311
TP181

王姝，关展旭，王晶，孙晓辉. 基于迁移学习的贝叶斯网络参数学习方法[J]. 东北大学学报（自然科学版）, 2021, 42(4): 509-515.

WANG Shu， GUAN Zhan-xu， WANG Jing， SUN Xiao-hui. Bayesian Network Parameter Learning Method Based on Transfer Learning[J]. Journal of Northeastern University(Natural Science), 2021, 42(4): 509-515.

参考文献

[1]Amin M T，Khan F，Ahmed S，et al.A novel data-driven methodology for fault detection and dynamic risk assessment［J］.Canadian Journal of Chemical Engineering， 2020.http://doi.org/10.1002/cjce.23760
[2]Scanagatta M，Corani G，Zaffalon M，et al.Efficient learning of bounded-tree width Bayesian networks from complete and incomplete data sets［J］.International Journal of Approximate Reasoning，2018，95:152-166.
[3]Incerti D，Curtis J R，Shafrin J，et al.A flexible open-source decision model for value assessment of biologic treatment for rheumatoid arthritis ［J］.Pharmaco Economics，2019，37(1):829-843.
[4]Amin M T，Khan F，Imtiza S.Fault detection and pathway analysis using a dynamic Bayesian network［J］.Chemical Engineering Science，2019，195(23):777-790.
[5]Sun H W，Xie X F，Sun T，et al.Threat assessment method of warships formation air defense based on DBN under the condition of small sample data missing［J］.Systems Engineering and Electronics，2019，41(6):1300-1308.
[6]Li Z D，Liao S Z.Bayesian network parameter learning method on small samples［J］.Computer Engineering，2016，42(8):153-159，165．
[7]Zeng Q，Huang Z，Wei S H.Bayesian network parameter learning method based on expert priori knowledge and monotonic constraints［J］.Systems Engineering and Electronics，2020，42(3):646-652.
[8]郭文强，徐成，肖秦琨，等.基于变权重迁移学习的BN参数学习算法［J］.计算机应用研究，2020，38(1).http://doi.org/10.19734/j.issn.1001-3695.2019.10.0600.(Guo Wen-qiang，Xu Cheng，Xiao Qin-kun，et al.BN parameter learning algorithm based on dynamic weighted transfer learning［J］.Application Research of Computers，2020，38(1).http://doi.org/10.19734/j.issn.1001-3695.2019.10.0600.)
[9]Yuan P，Sun Y F，Li H，et al.Abnormal condition identification modeling method based on Bayesian network parameters transfer learning for the electro-fused magnesia smelting process［J］.IEEE Access，2019，7:149764-149775.
[10]闫浩，王福利，孙钰沣，等.基于贝叶斯网络参数迁移学习的电熔镁炉异常工况识别［J］.自动化学报，2020.https://doi.org/10.16383/j.aas.c200104.)(Yan Hao，Wang Fu-Li，Sun Yu-feng，et al.Abnormal condition identification based on Bayesian network parameters transfer learning for the electro-fused magnesia［J］.Acta Automatica Sinica，2020.https://doi.org/10.16383/j.aas.c200104.)
[11]Liu A H，Cheng Z H，Jiang J.Bayesian network learning for classification via transfer method［J］.IEEE Computer Society，2019:1102-1109.
[12]Li H，Wang F L，Li H R，et al.Safety control modeling method based on Bayesian network transfer［J］.Knowledge-Based Systems，2020.https:doi.org/10.1016/j.knosys.2019.105297.
[13]Gao X G，Ye S M，Di R H，et al.Bayesian network structure learning based on fusion prior method［J］.Systems Engineering and Electronics，2018，40(4):790-796.

[1]	刘琼，罗晴，彭绍武. 车载热成像行人检测RoI提取方法[J]. 东北大学学报:自然科学版, 2020, 41(8): 1083-1090.
[2]	许鸿斐，谷峪，于戈. 空间多样化约束下的移动k近邻查询[J]. 东北大学学报:自然科学版, 2020, 41(7): 913-919.
[3]	袁中臣，马宗民. 基于语义和结构的UML类图的检索[J]. 东北大学学报:自然科学版, 2020, 41(1): 23-28.
[4]	于长永，李淼淼，赵楚，马海涛. 一种新颖的编辑距离限制下的相似性确认算法[J]. 东北大学学报:自然科学版, 2019, 40(11): 1543-1548.
[5]	张强，乔建忠. 基于TEE的可信存储系统设计与实现[J]. 东北大学学报:自然科学版, 2019, 40(8): 1080-1086.
[6]	刘军，冷芳玲，李世奇，鲍玉斌. 基于HDFS的分布式文件系统[J]. 东北大学学报:自然科学版, 2019, 40(6): 795-800.
[7]	马海涛，祁实，于长永，赵宇海. 基于频率的Read Mapping种子选择算法[J]. 东北大学学报:自然科学版, 2019, 40(5): 609-613.
[8]	于长永，高明，柏禄一，赵宇海. 一种带有长度和位置约束的字符串索引方法[J]. 东北大学学报:自然科学版, 2018, 39(7): 959-963.
[9]	寇月，徐宏斌，申德荣，聂铁铮. 一种局部与全局特征相结合的主题域识别模型[J]. 东北大学学报:自然科学版, 2018, 39(2): 176-180.
[10]	林川，赵海，毕远国，蔡巍. 基于SDN的QoS测量与路由规划系统设计与实现[J]. 东北大学学报:自然科学版, 2017, 38(8): 1069-1074.
[11]	庞俊，谷峪，于戈. 一种面向图集合的相似性搜索技术[J]. 东北大学学报:自然科学版, 2017, 38(5): 625-629.
[12]	柏禄一，贾潍佳，曹杏茹. 基于CDT的时空区域拓扑关系确定方法[J]. 东北大学学报:自然科学版, 2017, 38(4): 481-485.
[13]	赵震，马宗民. 模糊XML文档与模糊DTD相似性研究[J]. 东北大学学报:自然科学版, 2017, 38(2): 200-204.
[14]	林晓庆，马宗民. 基于压缩实体摘要图的RDF数据关键词查询[J]. 东北大学学报:自然科学版, 2017, 38(1): 22-26.
[15]	杜岳峰，申德荣，张亮，于戈. 基于内容相关的条件函数依赖的一致性清洗方法[J]. 东北大学学报:自然科学版, 2016, 37(12): 1683-1687.

基于迁移学习的贝叶斯网络参数学习方法

Bayesian Network Parameter Learning Method Based on Transfer Learning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价