资源描述：
《基于贝叶斯网络的不确定性知识的推理方法_胡玉胜》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、DOI：10.13196/j.cims.2001.12.66.huysh.014第7卷第12期计算机集成制造系统)CIMSVol.7,No.122001年12月Dec.,2001文章编号:1006-5911(2001)12-0065-04*基于贝叶斯网络的不确定性知识的推理方法1122胡玉胜,涂序彦,崔晓瑜,程乾生(1.北京科技大学信息工程学院自动化系,北京100083;2.北京大学数学科学学院信息科学系,北京100871)摘要:贝叶斯网络是不确定性知识表达与推理的一种新方法。它是概率论和图论相结合的产物,可用于复杂多因果关系的分析,是人工智能领
2、域的研究热点和重要成果之一。由于它的解决方案明确、直观,所以近年来在远程医疗、故障诊断以及数据挖掘等领域,得到了广泛的应用。本文论述了贝叶斯网络的基本理论、方法和应用,并指出当前所存在的主要问题。关键词:贝叶斯网络;人工智能;条件无关性;因果关系;因果推理;诊断推理中图分类号:TP181文献标识码:A种不确定性知识的表达和推理的模型。从直观上0引言讲,Bayes网络表现为一个赋值的复杂因果关系网络随着计算机及相关技术的飞速发展和人类对客图,网络中的每一个节点表示一个变量,即一个事观世界认知程度的不断提高,人们已经越来越不满件。各变量之间的弧表示事
3、件发生的直接因果关足于使用计算机进行单纯的科学计算和事务性处系。理。在实现了描述客观世界和存储传播信息的基础111性质上,信息处理的自动化程度得到不断提高,最终导致Bayes网络主要具有以下性质:人们对思维自动化的思考。而实现思维自动化的关(1)条件独立性(conditionalindependence)[2]键问题之一,就是如何有效地表达和解决不确定性假定Bayes网络中的任一节点Vi,在给定其父问题。节点的情况下,条件独立于任何Vi的非子孙节点集最初人们采用概率推理的方法来解决不确定性合,该独立性记为:I(Vi,A(Vi)
4、P(Vi))。问题
5、,但对于许多复杂的实际问题来说,单纯的概率即p(Vi)
6、A(Vi),P(Vi)=p(Vi)
7、P(Vi)(1)[1]推理是难以处理的。Pearl于1986年提出一种简式中:A(Vi))))任一Vi的非子孙节点集合;单而有效的贝叶斯网络(BayesNetwork,BayesianNet-P(Vi))))Vi的父节点集合;work)来解决这类问题,有时也称为置信网络(beliefp(
8、#))))条件概率。network)。随后Bayes网络即成为人工智能领域的假设V1,V2,,,VN是Bayes网络中的节点。由研究热点之一。它主要研究不确定性知识表达和
9、推上述条件独立性的假设,其联合概率为:理的方法,被认为是近十年来在人工智能领域中最Np(V1,V2,,,VN)=p(Vi
10、P(Vi))(2)重要的研究成果之一。i=1由于Bayes网络模型假定了条件独立性,只需1基本理论和方法考虑与该变量相关的有限变量,即可大大简化问题所谓Bayes网络是指基于概率分析、图论的一的求解难度,从而使得许多复杂问题得到可行的解*收稿日期:2001-01-15;修订日期:2001-04-20基金项目:国家863/CIMS主题资助项目(863-511-944-019)作者简介:胡玉胜(1974-),男(汉族),山东人,北
11、京科技大学信息学院博士研究生,主要从事人工智能、智能管理研究。66计算机集成制造系统)CIMS第7卷决方案。断、故障诊断中,目的是找到疾病发生、故障发生的文献[3]还提到了D-Separation(Direction-De-原因。pendentSeparation)的概念,它也是一种独立性假设,(3)支持推理支持推理)))提供解释以支持一般记为I(Vi,Vj
12、E),其中E为一节点集。由于不所发生的现象(explainingaway)。目的是对原因之间仅仅条件依赖于父节点,所以它的独立性比上述的的相互影响进行分析。该推理是Bayes网络推理中条件独
13、立性更强。的一种合理、有趣的现象。例如,在图1所示的(2)基于概率论的严格推理Bayes网络是一种Bayes网络中,事件A或B的发生,会导致事件C发不确定性知识表达和推理的模型。它的推理原理基生。如果已知事件A和C同时发生,来考察事件B于Bayes概率理论,推理过程实质上就是概率计算。发生的概率。计算结果表明,B发生的概率很小,甚(3)知识表示分为定性知识和定量知识定性至比B的边缘概率还小。这是因为,事件A的发生知识是指网络的结构关系,表达事件之间的因果联/支持0了事件C的发生,从而使得在这种情况下,系。定性关系(即因果关系、Bayes网络结构图
14、)主要事件B的发生更加不确定。这时,事件B发生的概来源于专家经验、专业文献和统计学习。率还小于已知事件C发生时的概率,但不知道事件定量知
