构建软件课程贝叶斯网络应用.docVIP

构建软件课程贝叶斯网络应用 　　摘要 贝叶斯网络是将概率统计应用于复杂系统的不确定性推理和数据分析的一种有效工具。本文基于某一高职学院软件技术专业学生的专业课程成绩构建软件课程贝叶斯网络，并在软件课程贝叶斯网上进行了推理预测。 　　关键词 贝叶斯网络；学生成绩；软件课程 　　中图分类号TP31 文献标识码A 文章编号 1674-6708（2011）42-0220-02 　　0 引言 　　随着科技信息技术的高速发展，贝叶斯网络以其不确定知识表达形式和丰富的概率表达能力[1-4]成为了目前研究的一个热点。本文基于软件专业学生成绩为训练样本数据，通过模拟退火算法构建软件课程贝叶斯网络，有效的描述了课程之间的依赖关系，用条件概率表体现了依赖程度。 　　1 贝叶斯网络 　　1.1 贝叶斯网络定义 　　贝叶斯网络是一个有向无环图,由代表变量节点及连接这些节点有向边构成。定义如下： 　　定义1 设U是一个随机变量集，U={X1，X2，…，Xn}，其中Xi是从一有限集Val（Xi）中取值。以B=表示一个建立在变量集U上的贝叶斯网络，其中G是一个有向无环图，其顶点对应于有限集U中的随机变量X1，X2，…，Xn，其弧代表一个函数依赖关系。P是U中变量所组成的条件概率，每节点Xi都有一个条件概率分布表：P（Xi|Parents（Xi）| Xi∈U），量化了在父节点Parents（Xi）发生的条件下对节点Xi的条件概率,这个网络所表示的联合概率分布P（U） [4,5]为： 　　1.2构建贝叶斯网络 　　构建贝叶斯网络的过程主要包括两个部分:一部分是贝叶斯网络的结构学习，另一部分是贝叶斯网络的参数学习。结构学习是利用一定的方法建立贝叶斯网络结构的过程，在该过程中首先要对此贝叶斯网络的应用背景进行分析，并确定网络模型中所要用到的变量，结构学习是参数学习环节的基础。参数学习是量化网络的过程，它在网络结构已知的情况下计算各节点Xi的条件概率。 　　从数据集中学习贝叶斯网络主要就是建立评分标准，用评分标准来衡量搜索网络结构。从所有可能的网络结构空间搜索最佳的贝叶斯网络的结构是一个NP难问题，为了降低搜索空间，一般使用启发式搜索算法。本文采用基于贝叶斯评分函数的模拟退火搜索算法构建软件课程贝叶斯网络。 　　1.2.1贝叶斯评分函数 　　贝叶斯评分的基本相思是在给定的数据集D中，利用贝叶斯公式计算后验概率，寻找最大后验概率的结构作为贝叶斯网络结构。 　　命题１数据数据集为D={d1,d2,…,dn},设在D下的可能的两网络拓扑结构为Bsi和Bsj， 比较这两个网络结构的后验概率用公式计算[6]： 　　为了有效的计算P（Bs ，D）假设：数据集D中的变量都是无缺失的离散型变量，先验概率分布是均匀分布的。这样可得到下列公式[5]： 　　（3） 　　其中：ri为X中的离散变量xi取值的可能值：（vi1，vi2 ，…，viri）的个数，Bs为包含X中所有变量的任意一个贝叶斯网络结构，Bs中的任意变量xi的父节点集为πi，wij是在数据库D中的第j个不同的取值。设πi有qi种不同的取值，Nijk为数据库D中，变量xi取值为vij且πi取值为wij的记录个数，且定义。 　　要使P（Bs ，D）最大化，由于任意结构Bs 的先验概率P（Bs）是相等的，可得到： 　　（4） 　　即在给定数据集D，求最大后验概率的拓扑结构。 　　1.2.2模拟退火搜索算法 　　模拟退火搜索算法构建贝叶斯网络结构，是从没有任何一条边的网络结构开始，然后，改变当前网络结构一条边的方向构造出一个新的网络结构，用贝叶斯评分标准选择后验概率大的网络结构。 　　模拟退火搜索算法可描述为: 　　输入：学生训练数据集D，空的网络结构B0 　　输出：叶斯网络B 　　1）初始化，从没有弧的边结构B0开始P（B0，D）； 　　2）在Bi的基础上加一条边或减一条边，改变一条边的方向，得到P（Bi+1，D）； 　　3）如果P（Bi+1，D） P（Bi，D），则以P（Bi+1，D）代替P（Bi，D），重复（2）； 　　4）当P（Bi+1，D）-P（Bi，D）0 ,时结束算法； 　　5）输出贝叶斯网B。 　　2 实验结果 　　本文的数据来源于某一高职学院软件技术专业2006-2010年共73名学生所学主要专业课程11门成绩，随机抽取57名学生的成绩作为样本数据集构建模型，16名学生成绩检验模型的精度。将各门课程作为贝叶斯网络的节点，这些课程分别为：C#语言、数据结构、数据库原理、Windows XP的安装与配置、基于C#的.Net Framework程序设计、HTML语言、SQL Server 2000数据库程序设计、ADO.Net程序设计、安全性编程方法、基于