CN106960069-CN201611223871-一种具有自学习功能的贝叶斯网络平台.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106960069 A (43)申请公布日 2017.07.18 (21)申请号 201611223871.5 (22)申请日 2016.12.27 (71)申请人 安徽理工大学 地址 232001 安徽省淮南市田家庵区舜耕 中路168号 (72)发明人 陈静　陈华森　曾丽丽　 (51)Int.Cl. G06F 17/50(2006.01) G06N 7/00(2006.01) H02H 1/00(2006.01) 权利要求书2页 说明书4页 附图2页 (54)发明名称 一种具有自学习功能的贝叶斯网络平台 (57)摘要 本发明公开一种具有自学习功能的贝叶斯 网络平台，平台包括数据预处理模块、网络拓扑 结构学习模块、网络参数学习模块、概率推理模 块和证据敏感性分析模块；所述处理样本数据集 包括选定节点变量，确定节点状态；所述结构学 习模块包括新建贝叶斯网络窗口，调用样本数据 集，执行结构学习模块，创建网络结构；所述参数 学习模块包括调用样本数据，执行参数学习功 能；所述概率推理模块包括因果推理，诊断推理 和支持推理；所述证据敏感性分析模块包括以测 试敏感性的证据节点为条件，计算查询节点的指 标。该自学习贝叶斯网络平台能够完成不确定性 A 推理，满足不同研究的需求，拓宽了应用普适性， 9 实现贝叶斯网络构建时参数与结构的自适应调 6 0 0 整。 6 9 6 0 1 N C CN 106960069 A 权　利　要　求　书 1/2页 1.一种具有自学习功能的贝叶斯网络平台，平台包括数据预处理模块(1)、网络拓扑结 构学习模块(2)、网络参数学习模块(3)、概率推理模块(4)和证据敏感性分析模块(5)；所述 数据预处理模块(1)包括选定节点变量，确定节点状态；所述结构学习模块(2)包括新建贝 叶斯网络窗口，调用样本数据集，执行结构学习模块，创建网络结构，定义节点属性；所述参 数学习模块(3)包括调用样本数据，执行参数学习功能；所述概率推理模块(4)包括因果推 理，诊断推理和支持推理；所述证据敏感性分析模块(5)包括以测试敏感性的证据节点为条 件，计算查询节点的指标；其中数据预处理模块、网络拓扑结构学习模块和网络参数学习模 块构建出自动学习样本数据集的贝叶斯网络，概率推理模块和证据敏感性分析模块评估所 建网络的有效性。 2.根据权利要求1所述的自学习贝叶斯网络平台，其特征在于：所述数据预处理模块 (1)包括确定代表研究对象属性特征的网络节点变量及其状态，并将节点变量分为三个层 次：一是输入层节点变量，通常为初始因素节点，这是分析问题的起点；二是中间层节点变 量，通常为过渡结果或影响逐步降低的节点，能很清晰地描述网络输入与输出之间的映射 关系；三是输出层节点变量，通常为可观察变量或假设变量，这是分析问题的最终目标。贝 叶斯网络每个节点代表被模拟研究对象的特征，这是一个变化的事物属性。 3.根据权利要求1所述的自学习贝叶斯网络平台，其特征在于：所述网络拓扑结构学习 模块(2)是构建贝叶斯网络的基础。新建一个空的贝叶斯网络窗口，调用表1的样本数据集， 执行网络结构学习模块功能，创建网络结构，之后进一步定义节点属性，包括：名称，标题， 类型，离散和连续属性，状态数，状态值和相关说明等。 4.根据权利要求1所述的自学习贝叶斯网络平台，其特征在于：所述网络参数学习模块 (3)是在已知网络结构的条件下，用样本数据来学习节点的条件概率表(Conditional  Probability Table,CPT)。 5.根据权利