贝叶斯网最优消元顺序的近似构造算法

变量消元(VE)法是贝叶斯网推理的一个基本方法,然而不同的消元顺序会导致相差悬殊的计算复杂度,寻找最优消元顺序问题是一个NP难问题,因此在实际应用中多采用近似算法求解。通过对贝叶斯网对应的端正图的分析,综合考虑了消元过程中消去的边和增加的边对剩余图的影响,进而提出了一些降低图的复杂度从而控制消元成本的方法,在此基础上提出了一个最优消元顺序的近似构造算法,最后通过随机仿真实验分析比较了算法的性能。实验结果表明,新算法较最小缺边搜索算法有明显的优势。

贝叶斯网络VE推理算法的并行化研究

贝叶斯网络是一种强有力的不确定性推理和数据分析工具.网络推理是贝叶斯网络的重要内容之一.VE算法是利用联合分布的分解来简化推理的贝叶斯网推理算法.提出一种基于最小缺边搜索算法的消元顺序(PL_OE)算法,使VE算法可并行执行,降低了贝叶斯网推理的时间复杂性.

基于因子图的状态估计方法运算实时性研究

对因子图算法及其理论基础进行研究,使用消元算法分析了一元观测因子图模型的稀疏结构,得到了一种适用于该模型的增量推断算法;并对固定滞后平滑算法进行了研究,实现了滑窗在该增量推断算法中的应用;最后通过仿真验证了基于因子图的状态估计方法的估计能力、该增量推断算法在求解一元观测因子图模型的状态估计问题时运算速度的提升能力,以及滑窗维持该增量推断算法运算速度稳定的能力。