一种基于半定性贝叶斯网络的多专家知识集成方法.pdfVIP

一种基于半定性贝叶斯网络的多专家知识集成方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于半定性贝叶斯网络的多专家知识集成方法.pdf

中国运筹学会第八届学术交流会论文集 广东深目11.2006匀:6月30日一7月2日 ORSC。第748—755页 版权所有⑥2006 一种基于半定性贝叶斯网络的多专家知识集成方法 郑恒’ 吴祈宗 黄锴 北京理工大学管理与经济学院,北京100081 } 摘要本文在定性贝叶斯网络的基础上,提出一种既包含定性符号信息义包含概率分布定量信息的jF定 性叭叶斯I嘲络,用以集成多个专家的知识和经验,通过一个与专家反复交且的过程,构建fI{卡日关nU题领域 的稳定的贝叶斯嘲络。文巾提出利,|』区间数来统一表达多个专家的定性或定量的判断意见,给出了在半定 性贝叶斯刚络中进行概率推理的区l’日】数传播算法,并通过算例验证其有效性。 关键词 贝叶斯网络,定性贝叶斯网络,半定性贝叶斯网络,区间数 1 引言 贝nl‘斯嘲络(BN)是近二I。年来人工智能领域流行的一种方法,在获取、表达不确定知 识以及在/卜确定环境下进行概率推理具有独到的优势,可广泛应用于预测、分类、因果分 析和诊断分析等仟判1l。目前贝叶斯网络应用的瓶颈主要是面向实际领域的建模困难。构 建火叶斯网络模型需要考虑定性部分(有向无环图DAG)和定量部分(节点的条件概率 表CPT),经验表明后者更加困难12】,特别足对于一些经济管理系统的评价问题,由于符合 模型要求的数据样本量不多,主要依靠专家人为指定CPT,此时贝叶斯网络的建模困难问 题史为突出。近年来,提出~种借助定性贝叶斯网络(QPN)来辅助构建贝叶斯网络模型的 新方法【3J。利用定性贝叶斯嘲络,可以在量化贝叶斯网络之前考察所要构建的网络的推理 行为,并得到量化贝叶斯网络的约束条件,从而便于贝叶斯网络的建模。 在经济管理系统评价等类问题的建模过程中,人的判断往往起主要作用,这时通常需 要汇集多位专家的判断以使构建的模型更为科学合理【3l。在咨询多个专家以构建贝叶斯嘲 络模型的多次反复过程中,通常是请专家一次量化网络的一个局部。由于专家知识背景的 /{i网,对于网络中某个局部(若干节点问的关系),有的专家可以明确给出定量信息,有的 专家只能给出定性信息。因此,在与专家的多次反复交互过程中,势必形成一利-半定性贝 叶斯嘲络,其中既包括以CPT表示的定量信息,也包括以定性符号表示的定性信息。本文 利』{j区问数将多个专家的定性定键知识集结表达出来,并利用区问数传播算法进行概率推 理,从而能够在量化网络的下一个局部之前,考察当lj{『的半定性贝叶斯网络的推理行为。 这样就可以在龄化网络工作的早期检查出网络结构建模上的不当之处,并加以改正。反复 ‘通汛作者。电于邮件:zhcnghengC@bit.edu.cn 一种基于半定性贝叶斯网络的多专家知识集成方法 749 进行这种毓化网络局部并考察十H应的半定性贝叶斯网络推理行为的过程,直到最终构建出 集结了多个专家知识的稳定的贝叶斯网络模型。 2 贝叶斯网络与定性贝叶斯网络 2.1 贝叶斯网络 给定一个柯限的离散随机变最集合u={x,,恐,...,%),建立在该集合上的联合概率 分布可以表示为一个贝叶斯网络BG,e,其巾,G是一个有向无环图,图中的节点与随 机变蛩Xl,%,…,K一一对应,节点的状态对应于随机变量的值,有向边表示变量之 I’ⅡJ的条件依赖父系。e为91nl’斯网络的条件概率表集合,每个节点%都有一个条件概率表, 性质【1I,贝叶斯网络中变量的联合概率分布为: p(X-,X2,…,瓦)=IIp(咒I丌(xt)) (1) z=l 罔l(a)是一种简单的贝DI+斯网络。贝叶斯网络的推理任务,是在给定对一个变量集 1前已经设汁出多种有效的推理算法,包括近似算法和精确算法,它们都是NP—HARD的。 Pr㈤乩8 Q囝pr(e)-0.3 Pr(bInc)。o.6、},ifPr(6l帕。o.9 蹭.o|1.即,一.可 Pr(bIac)一0.4℃二,PTpli田一0.5

文档评论(0)

开心农场 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档