论文部分内容阅读
目标识别问题中存在大量不确定信息，利用BN可以对不确定信息及其相互关系进行学习与推理。但是，目标识别问题的样本量较小，在参数学习过程中，常因观测数据不足产生误差，需要引入单调性信息等专家经验，针对这一问题，提出最小元算法。首先，利用最小元表达单调性信息，将其转化为参数学习可以直接利用的先验信息；然后，基于保序回归思想，对参数学习结果进行优化，消除误差，得到相对准确的网络参数。以空中目标识别为仿真背景，与最小子集算法比较，验证了该算法在准确度与复杂度等方面的优势。