基于贝叶斯网络企业开发MIS行为分析.docVIP

基于贝叶斯网络企业开发MIS行为分析 　　【摘要】在信息化时代，企业的生存与发展往往取决于获取信息量的多少以及对信息的利用状况，对于企业来说，增强对信息的管理能力也相当重要，因此开发管理信息系统也势在必行。本文根据先验知识选取分析变量，采集样本数据，建立贝叶斯网络模型进行企业开发管理信息系统（MIS）行为分析，应用K2算法和贝叶斯参数估计方法，进行了贝叶斯网络的结构学习和参数学习，建立了开发MIS行为分析贝叶斯网络，应用联合树推理引擎推理科学管理、业务量扩大等因素对企业开发MIS行为的影响。 　　【关键字】贝叶斯网络，MIS，行为分析 　　1引言 　　面对激烈的信息化市场竞争 ，企业的生存与发展也越来越多的取决于获取信息量的多少以及利用率。一个现代企业必须能及时、全面、准确地获得市场信息，只有这样才能在市场竞争中立于不败之地。所以在企业中开发管理信息系统（MIS）已势在必行。管理信息系统（MIS）是一个覆盖全企业或主要业务部门的将管理科学、信息科学、计算机技术、通信技术有机融为一体，为管理决策提供服务的信息系统。MIS能够实测企业各部门的运作情况、能用所得的各种数据预测未来 ，能够实现监控生产、辅助决策、控制企业的行为 ，帮助企业实现其规划的目标。 　　目前，企业开发MIS行为分析常用的方法有自动聚类、决策树和人工神经网络它们都要求数据量比较丰富，而且模型的训练有一定的困难。最主要的一点，它们主要是通过历史记录来预测发展趋势，而企业开发MIS行为是由领导重视信息化建设、系统安全问题等诸多复杂的因素造成的，这些因素在企业运营中中已经有了一定的认识，如果能将这些先验知识考虑进去的话，一方面可以降低对数据量的要求，另一方面可以增加预测的精度。本文将建立企业开发MIS行为贝叶斯网络模型，探索贝叶斯网络在决策企业开发MIS行为的应用。 　　2贝叶斯网络 　　贝叶斯网络是概率分析与图论相结合的产物，是一种有向无环图，用于不确定知识的表达与推理。 　　2.1贝叶斯网络的构建。贝叶斯网络模拟人的认知思维推理模式，表示不确定性的推理模型。贝叶斯网络G=（S，P）由网络的拓扑结构S和局部概率分布的集合P两部分组成，S表示节点变量之间的关联，P代表用于量化网络的一组参数。贝叶斯网络的语义和紧凑的表达使其能够从数据中进行有效的统计学习。 　　2.2贝叶斯网络学习。贝叶斯网络由网络拓扑结构和局部概率分布的集合两部分组成， 因此贝叶斯网络学习可以被分解为两个阶段： （ 1） 网络拓扑结构的学习，即找出一个能够最真实地反映现有数据库中各数据变量之间的依赖关系的贝叶斯网络结构，简称为结构学习。 （ 2）在确定网络结构后，每个变量的局部条件概率分布P的学习， 简称为参数学习。 　　BN Took it（BNT）是Kevin P.Murphy基于Matlab语言开发的关于贝叶斯网络学习的软件包，提供了许多贝叶斯网络学习的底层基础函数库，支持多种类型的结点（概率分布）、精确推理和近似推理、参数学习和结构学习、静态模型和动态模型。因此，我们选择BNT作为贝叶斯网络学习的实验工具。 　　3企业开发MIS行为分析贝叶斯网络构造 　　3.1变量选择和数据预处理 　　应用太原市2012年各企业开发MIS行为调查数据（抽样率约为3.5%），经整理后组成由4024条样本数据组成的训练数据集，结合以往建模经验和企业开发MIS行为分析，筛选出领导重视程度、科学管理等五个变量，经过数据的离散化处理后各变量的取值情况如表1 　　3.2贝叶斯网络结构学习。结构学习指利用训练样本集，结合先验知识，确定合适的贝叶斯网络拓扑结构，而K2算法是贝叶斯网络结构学习的常用方法。该算法在给定节点顺序这一先验信息的情况下，利用贝叶斯概率作为标准来评价模型与数据的符合程度，过不断向网络中增加能提高评价指针的便的贪婪搜索方法来找出最佳网络结构。以训练数据集为基础，应用K2算法和Matlab编程进行贝叶斯网络结构学习，得到如图1所示的企业开发MIS行为分析贝叶斯网络结构。 　　图1所示的企业开发MIS行为分析贝叶斯网络由5个结点和若干连线组成，其中，5个节点即为5个变量，节点之间的连线表明变量间的相互影响关系，如 　　3.3贝叶斯网络参数学习。参数学习是在给定贝叶斯网络拓扑结构的情况下，确定各节点处的条件概率分布。常用的参数学习方法有贝叶斯（Bayesian）方法，即给定一个含有未知参数的分布以及一个完整的实例数据集合c， 是一个随机变量，具有一个先验分布p（θ），可以根据以往的知识估计，或者认为p（θ）是一个均匀分布，参数θ的信息发生变化，表示为p（θ|c），称为参数θ的后验概率。Bayesian参数学习的任务就是计算这个后验概率。 　　在科学管理和业务量扩大的共同影响下