贝叶斯网络学习、应用.pdfVIP

中国科技论文在线 贝叶斯网模型的学习、推理和应用 冀俊忠 刘椿年 沙志强 (北京工业大学计算机学院，北京 100022) E-mail：jjzO1@solaris．bjpu．edu．CR 摘 要 近年来在人工智能领域 ，不确定性 问题一直成为人们关注和研究的焦点。贝叶斯 网是用来表示不确定变量集合 联合概率分布的图形模式，它反映了变量 间潜在的依赖关系。使用贝叶斯网建模 已成为解决许多不确定性 问题的强有力 工具。基于国内外最新的研究成果对贝叶斯网模型的学习、推理和应用情况进行了综述，并时未来的发展方向进行了展望。 关键词 贝叶斯 网模型 贝叶斯网学习 概率推理 数据挖掘 智能教学系统 文章编号 1002—8331一(2003)05—0024-04 文献标识码 A 中图分类号 TP18 Bayesian BeliefNetwork ModelLearning，Inferenceand Applications jiJnnzhong Liu Chunnian ShaZhiqiang (ComputerInstitute，BeijingPolytechnicUniversity，Beijing100022) Abstract：In recentyears，uncertainty reasoningin ArtificialIntelligence hasbeen afocusofresearch．A Bayesian Belief Network (BBN)isagraphicmodelthatencodesjointprobabilitydistribution amonguncertain variables，itexpressa potentialdependentrelationship between variab les．Modelingwith Bayesian beliefnetwork has been a powerfultoolto solve many uncertainty problems．Based on the latestresearched resultsathome and abroad，this paperreviews the learning，inferenceandapplicationsoftheBayesian BeliefNetwork，an dpresentspo ssiblefuture research orientations． Keywords：BBN model，BBN learning，BBN inference，Datamining，Intelligencetutorsystem． 1 引言 S，S中的每一节点表示特定域中的一个概念或变量 ，在节点间 不定性知识的推理长期 以来一直被认为是 AI领域中的一 的连接 (有向弧)表示 了可能的因果关系，体现 了域知识定性方 个重要研究问题 ，在现在提 出的众多方法 中，概率方法是迄今 面的特征；其次，每一节点都附有与该变量相联系的条件概率 为止最为流行的方法 ，这主要归功于贝叶斯网(BBN)良好的知 分布函数CPD，如果变量是离散的(文章只考虑离散变量的情 况)，则它表现为给定其父母节点状态时该节点取不 同值 的条 识表达框架 。在一些领域中，借助贝叶斯网人们能揭示和发现 件概率表 (CPr)。Cfrr体现了域知识定量方面的特征。可见，贝 许多令人信服的概率依赖关系。贝叶斯网为因果关系的表示提