公开(公告)号：CN109190702A

公开(公告)日：2019-01-11

申请号：CN201811009985.9

申请日：2018-08-31

申请人： 江苏方天电力技术有限公司 ,  南京大学 ,  国网江苏省电力有限公司 ,  国家电网公司

发明人： 周春蕾 ,  张友卫 ,  高阳 ,  张天诚 ,  帅云峰 ,  孙栓柱 ,  綦小龙 ,  李逗 ,  李春岩 ,  潘苗 ,  杨晨琛 ,  王其祥 ,  高进 ,  王明

IPC分类号： G06K9/62 ,  G06N7/00

摘要： 本发明公开一种基于连续型工业数据的稀疏贝叶斯网络增量式学习方法。所述基于连续型工业数据的稀疏贝叶斯网络增量式学习方法包括：步骤1，数据预处理：将训练样本进行正则化等预处理，保证均值为0、方差为1；步骤2，结构学习：基于滑动窗口，采用批样本的形式进行结构的增量式学习；步骤3，参数学习：利用结构学习得到的关系系数矩阵以及正则化样本获得当前状态下每一个特征的混合高斯分布的均值和方差，即连续型贝叶斯网络参数；步骤4，网络更新：对新到来的样本，利用总体样本的正则化参数进行预处理，利用滑动窗口形成同样规模的批样本进行结构以及参数的更新。