BNs中基于分层排序的条件独立分析与应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (28): 56-58.

BNs中基于分层排序的条件独立分析与应用

辛国福，杨有龙，施轶青

西安电子科技大学理学院，西安 710071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-01 发布日期:2011-10-01

Analysis of conditional independence and applications based on Layer sorting in BNs

XIN Guofu，YANG Youlong，SHI Yiqing

School of Science，Xidian University，Xi’an 710071，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-01 Published:2011-10-01

摘要/Abstract

摘要： 贝叶斯网络（BN）是图论和概率论有机融合的概率图形模型。D-分割（directional separation）和ud-分割（unidirectional separation）是判断贝叶斯网络中条件独立的两个重要的准则。讨论了贝叶斯网络中d-分割和ud-分割的关系，得到d-分割是ud-分割的充分不必要条件。介绍分层排序的定义并给出了d-分割和ud-分割同时成立的条件。通过对贝叶斯网络的节点进行分层排序，能够得到该贝叶斯网络的拓扑序列并且能够快速找到d-分割和ud-分割集识别有向因果效应。

关键词: d-分割, ud-分割, 贝叶斯网络, 分层排序

Abstract: BNs （Bayesian Networks） are probabilistic graphical models combining probability theory and graph theory.Directional separation and unidirectional separation are two important rules on the BNs to confirm the conditional independence.The relationship between directional separation and unidirectional separation in BNs is discussed in detail.The conclusion that directional separation is the sufficient condition for unidirectional separation is obtained.The definition of layer sorting is introduced and the condition that both directional separation and unidirectional separation hold is proposed.By using layer sorting the nodes of a BN，it can get a BN’s topological sequence and find d-separation and ud-separation sets to indentify direct causal effect quickly.

Key words: directional separation, unidirectional separation, Bayesian Networks（BN）, layer sorting

辛国福，杨有龙，施轶青. BNs中基于分层排序的条件独立分析与应用[J]. 计算机工程与应用, 2011, 47(28): 56-58.

XIN Guofu，YANG Youlong，SHI Yiqing. Analysis of conditional independence and applications based on Layer sorting in BNs[J]. Computer Engineering and Applications, 2011, 47(28): 56-58.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[4]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[5]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[6]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[7]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[8]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[9]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[10]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[11]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[12]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.
[13]	高学攀，廖士中. 基于贝叶斯网络的林火概率预测系统设计与实现[J]. 计算机工程与应用, 2017, 53(13): 246-251.
[14]	刘飞飞，蔺婧娜，刘潇潇. 基于动态贝叶斯网络的复杂网络攻击方法研究[J]. 计算机工程与应用, 2017, 53(11): 18-25.
[15]	杜元伟1，石方园2，杨娜2. 融合专家相对推断的贝叶斯网络构建方法[J]. 计算机工程与应用, 2016, 52(22): 105-112.