贝叶斯网络素材.pptVIP

第5章 贝叶斯网络 贝叶斯网络 贝叶斯网络(Bayesian Networks)结合图论和统计学方面的知识，提供了一种自然表达因果信息的方法，用于表达随机变量之间复杂的概率不确定性，发现数据间的潜在关系。 本章介绍如下几个方面的内容： 贝叶斯网络基本概念 不确定性推理与联合概率分布 贝叶斯网络中的独立关系 贝叶斯网络学习 贝叶斯网络分类器 引言 贝叶斯网络将图论和统计学相结合，用于表达随机变量之间复杂的概率不确定性，发现数据间的潜在关系。 优点： (1)知识表示形式更加直观。 (2) 对于问题域的建模，当条件或行为等发生变化时，不需要修正模型。 (3)以图形化表示随机变量间的联合概率，处理不确定性信息。 (4)没有确定的输入或输出结点，结点之间相互影响，可以用于估计预测。 (5) 将知识表示与知识推理结合统一为整体。 1988年，Pearl建立了贝叶斯网基础理论体系，将概率理论和图论有机结合，用一种紧凑的形式表示联合概率分布。 贝叶斯网络基本概念 给定一个随机变量集X={X1,X2,…,Xn}，其中Xi是一个m维向量。贝叶斯网络说明X上的联合条件概率分布。定义为 G是有向无环图，节点分别对应于有限集X中的随机变量X1,X2,…,Xn ，每条弧代表一个函数依赖关系。 如果有一条由变量Y到X的弧，则Y是X的双亲(直接前驱)，X是Y的后继。 Xi的所有双亲变量用