贝叶斯网络在情报预测中的应用.docxVIP

贝叶斯网络在情报预测中的应用周志远1，沈固朝1，朱小龙2（1.南京大学信息管理学院，江苏南京210093;2.南京邮电大学计算机学院,江苏南京210003）摘要:提出了基于贝叶斯网络的情报预测框架，并通过使用K2算法的贝叶斯网络结构学习和最大似然估计算法的参数学习，建立情报预测的贝叶斯网络模型。以信用卡客户价值预测为例的结果准确率表明贝叶斯网络是情报预测的有效工具。关键词:贝叶斯网络；情报预测；网络结构学习中图分类号：G250.2 文献标识码：A 文章编号：1007-7634（2014）10-03-06Application of Bayesian Network in IntelligencePredictionZHOU Zhi-yuan1, SHEN Gu-chao1,ZHUXiao-long2（1.SchoolofInformationManagement,NanjingUniversity,Nanjing210093,China;2.SchoolofComputerScienceTechnology,NanjingUniversityofPostsandTelecommunication,Nanjing210003,China）Abstract:Inthispapertheframeworkforintelligencepredictionispresented,whichisbasedonBayesianNetwork,andthentheBayesianNetworkmodelisconstructedbyadoptingK2algorithmandmaximumlikelihoodparameterestimationforstructurelearningandparameterlearningrespectively.TheaccuracyrateofthepredictionofcardcustomervalueshowsthatBayesianNetworkisanefficienttoolforintelli?genceprediction.Keywords:bayesiannetwork;intelligenceprediction;networkstructurelearning1贝叶斯网络在情报预测中的价值在情报分析中，情报人员常需要给出问题的解释性和预测性结论供决策者参考。这些结论大多是通过对所获取证据在定性或者定量分析，并进行逻辑推断而得来的。以美国为代表的西方情报界对情报工作（intelligenceservice）的研究已相当成熟，产生了一批情报预测的定量研究方法。基于贝叶斯定理的贝叶斯分析和贝叶斯网络就是其中典型的定量分析方法的代表。上世纪70年代开始，美国情报界就将贝叶斯分析应用于中苏边界争端【1】、中东局势【2】等国际政治和军事个案的情报分析和预 警之中【3-4】。之后，贝叶斯分析理论一直是西方情报 界关注的焦点【5-6】。近年来，国内情报界也开始关注贝叶斯分析理论在情报分析中的应用。李景龙（2007）【7】和高庆德等（2010）【8】分别以美国对阿以爆发武装冲突和伊朗秘密研制核武器预测为例介绍贝叶斯理论分析在情报分析中的应用。靳娟娟（2012）提出了相对完善的贝叶斯情报分析流程【9】。随着研究的深入，贝叶斯分析的局限也不断凸显，在分析涉及因素和证据数量庞大的复杂问题时收稿日期：2012-06-04基金项目：2011 年国家社会科学基金重点项目（11ATQ005）作者简介：周志远（1982-），男，河南南阳人，博士研究生.显得捉襟现肘。例如，当所分析问题涉及n个因素时，就需要专家给出n!个初始条件概率值。当n的 值较大时，大量的人工概率赋值非但不现实，还会 使其分析效率大大降低。将贝叶斯定理和图论相结合而产生的贝叶斯网络（BayesianNetwork）是目前不确定知识表达和推理方面最有效的理论模型之一，能很好弥补贝叶斯法在情报分析上的不足。它借用一个有向无环图以直观的方式揭示情报分析中各因素间的因果关系，并通过计算各网络节点的条件概率完成情报预测。不仅如此，与线性回归、时间序列、决策树、人工神经网络等预测方法相比，贝叶斯网络在情报预测中具有以下突出优点：方便处理不完全证据。情报预测始终面临着证据不足，特别是诊断性证据的缺失，可用于定量分析的数据也往往是不完善的。传统的回归分析过分倚重因素间相关性，数据的不完整会使预测结果出现较大偏差。贝叶斯网络直接给出因素间相关关系，克服了其他传统分析方法的缺陷。可通过机器学习来确定网络的结构和参数。 贝叶斯网络学习功能强大，可通过训练证据集合学 习建立因素间的因果联系。这就解决了情报分析人员无法确定各