原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2025
年
9
月北
京
航
空
航
天
大
学
学
报
September2025
第
51
卷
第
9
期Journal
of
Beijing
University
of
Aeronautics
and
AstronauticsVol.
51No.
9
jbuaa@
DOI:
10.13700/j.bh.1001-5965.2023.0445
贝叶斯网络结构学习综述
1，2，*1，21，2221，2
孟光磊，丛泽林，宋彬，李婷珽，王晨光，周铭哲
(1.
沈阳航空航天大学
自动化学院，沈阳
110136；
2.
航空科学技术空战系统技术重点实验室，沈阳
110136)
摘要：贝叶斯网络作为概率论与图论结合的工具，具备高效处理不确定性推理和数据分
析的能力，被广泛应用于各领域解决复杂工程问题。此外，还可以结合先验知识和训练样本学习模
型，克服了单纯依靠专家知识建立模型的局限性。基于此，回顾了贝叶斯网络的发展历程，分别从
基于约束的方法、基于评分搜索的方法、混合约束和评分搜索的方法3个方面对已提出的贝叶斯网
络结构学习方法进行分类归纳，并对各类方法研究的现状进行了总结分析。由于现实应用中的数据
往往具有非完备性，从缺失数据处理和隐变量学习2个维度阐释了非完备贝叶斯网络结构学习的研
究现状。对贝叶斯网络在不同领域中的应用情况进行阐述，并进行总结，讨论了未来贝叶斯网络结
构学习方法研究的发展趋势。
关键词：机器学习；人工智能算法；贝叶斯网络；结构学习；隐变量
中图分类号：TP181
文献标志码：A文章编号：1001-5965（2025）09-2829-21
[1]
数据挖掘技术作为一门新兴学科，融合了当络参数学习；当变量结构模型未知时，贝叶斯网络
今时代先进的计算机技术、人工智能技术和概率统学习同时揭示各变量间的定性和定量关系，该过程
计学技术，其对采集到的数据进行自主分析和归纳被称为结构学习。军事、医疗、金融、工业生产等
推理，发现潜在的数据模型，从大量的数据中提取很多领域中都积累了海量的数据，贝叶斯网络学习
有效的、具有潜在价值的信息，以达到帮助决策者为用户挖掘数据中潜在的规律，找出相对于数据集
做出正确决定、降低风险的目的。贝叶斯网络拟合度最高的网络结构模型辅助相关领域决策，提
(Bayesian
network,
BN)算法相比于其他决策模型，供了有效的技术途径。
将概率推理和图形模型有机结合，对多元不确定性目前，贝叶斯网络结构学习方法大体可以分为
知识具有可视化的模型推理能力，已经被证实为是一3种类型：基于约束的方法、基于评分搜索的方法
种可进行不确定性问题推理分析的有效算法模型。及混合约束和评分搜索的方法。基于约束的方法
条件独立的随机变量之间的定性和定量关系是最早提出的贝叶斯网络结构学习方法，利用条件
文档评论（0）