贝叶斯网络精确推理算法的研究刘伟娜霍利民张立国.pdfVIP

电子发烧友 电子技术论坛 贝叶斯网络精确推理算法的研究 刘伟娜，霍利民，张立国 (河北农业大学 机电工程学院，河北保定 071001) 摘要：贝叶斯网络是以概率理论为基础的不确定知识表示模型，贝叶斯网络推理的目的是得到随机 变量的概率分布。目前，最流行的推理算法是联合树算法，它的主要思想是将贝叶斯网络转化为一 棵无向树，在无向树上完成消息传递过程，求出原贝叶斯网络中任意随机变量的概率分布。为了降 低算法的计算时空复杂度，对算法进行了不断的改进，为贝叶斯网络推理算法的进一步研究提供了 条件。 关键词：贝叶斯网络；联合树算法；概率推理 中图分类号：TP393 文献标识码：A Research of exact inference algorithm in Bayesian Networks Liu Wei-Na, Huo Li-Min ，Zhang Li-Guo (Agriculture University of Hebei , Baoding 071001,China) Abstract: Bayesian Network is an uncertain model based on Probability .The purpose of inference is to acquire posterior probability of each variable. At present, Junction tree arithmetic is the most popular .It translates Bayesian Network into a junction tree and in the tree messages are propagated, and then probability of every variable can come out. In order to reduce the complexity, we improve the arithmetic, which offers condition for studying inference arithmetic deep. Key Words: Bayesian Networks; Junction tree; Probabilistic inference 0 引言 贝叶斯网络(Bayesian Network)又称信度网(Belief Network)、概率网(Probability Network)是美国 加州大学 J.Pearl 教授首次完整提出的，是继模糊逻辑、可信度方法和神经网络等方法之后的不确定 知识表示模型，它不仅有着坚实的概率论理论基础，同时又能够很好地同专家头脑中的知识结构相 对应，所以引起了人们广泛重视，在医疗诊断系统，数据挖掘，决策支持系统，软件开发过程的软 件测试，网站的智能导航，电力系统的可靠性分析、故障诊断等都有着重要的应用价值和广阔的应 用，已经成为人工智能领域对不确定性知识的描述和推理十分重要的方法[1] 。图 1 是一个简单的贝 叶斯网络。 A B C D E 图 1 一个简单的贝叶斯网络 Fig.1 A simple Bayesian Network 贝叶斯网络的推理是贝叶斯网络研究的重要内容，研究人员提出了多种精确和近似推理算法， 其中联合树(Junction Tree)算法[2]，又称为 Clique Tree 算法、Clustering 算法，是目前计算速度最快， 应用最广的贝叶斯网络精确推理算法。该算法最初是由 Lauritzen and Spiegelhalter (1988)提出的，此 后 Jensen(1990)和 Dawid(1992)又对其进行了改进。 联合树算法以其容易理解，计算推理结果精确， 高效的特点，得到广泛应用，许多有关贝叶斯网