一种自主融合先验知识的贝叶斯网络方法

摘要

本发明公开了一种自主融合先验知识的贝叶斯网络方法，涉及贝叶斯网络领域，本发明起始于朴素贝叶斯网络，自主生成一个随机节点序，在贝叶斯网络构建过程中另附加有其它约束条件，即“有条件的随机”；通过删除部分不需要的边，能够在一定程度上降低贝叶斯网络的结构复杂性；本发明采用多次运行的方式，根据不同的随机节点序构建多个贝叶斯网络，并从中选择与数据拟合程度最好的一个作为最终的贝叶斯网络模型，本发明提高了贝叶斯网络方法对先验知识的融合效率，满足了实际应用中的需要。

主权项

一种自主融合先验知识的贝叶斯网络方法，其特征在于，所述方法包括以下步骤：(1)从领域专家获取先验知识，将所述先验知识转化为规则格式，同时将所述规则格式转化为m阶方阵，将所述m阶方阵存储到先验知识表中；(2)初始化当前贝叶斯网络评分为0，对m个节点进行随机排序得到一个随机序例ρ；(3)对m个节点中每个节点Xj的父节点数量设置一个阈值μ，初始化当前贝叶斯网络为一个空图；(4)获取所述随机序列ρ中任一节点Xj的父节点集合πj，获取所述随机序列ρ中在Xj之前，且不是Xj的父节点的变量Xi；(5)判断是否|πj|＜μ，如果是，执行步骤(6)；如果否，执行步骤(4)；(6)在所述先验知识表中查找Xi和Xj之间是否一定不可以有边，如果是，执行步骤(7)；如果否，执行步骤(8)；(7)直接舍弃Xi和Xj之间的边；(8)根据所述Xi和Xj之间的边获取新的贝叶斯网络及其新的贝叶斯网络评分，判断所述新的贝叶斯网络评分是否大于所述当前贝叶斯网络评分，如果是，将所述新的贝叶斯网络作为所述当前贝叶斯网络，当所述随机序列ρ中所有节点执行完毕，返回所述当前贝叶斯网络，作为最终贝叶斯网络模型，流程结束；如果否，重新执行步骤(4)。