Credal网络推理的一种不完全枚举法

doi:10.3778/j.issn.1002-8331.2009.31.009

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 27-29.DOI: 10.3778/j.issn.1002-8331.2009.31.009

Credal网络推理的一种不完全枚举法

熊文涛^1，2，齐欢¹，余胜平²

1.华中科技大学系统工程研究所，武汉430074
2.孝感学院数学系，湖北孝感 432000

收稿日期:2009-05-26 修回日期:2009-07-02 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 熊文涛

Inference in Credal networks through enumeration incompletely

XIONG Wen-tao^1，2，QI Huan¹，YU Sheng-ping²

1.Institute of Systems Engineering，Huazhong University of Science & Technology，Wuhan 430074，China
2.Department of Mathematics，Xiaogan University，Xiaogan，Hubei 432000，China

Received:2009-05-26 Revised:2009-07-02 Online:2009-11-01 Published:2009-11-01
Contact: XIONG Wen-tao

摘要/Abstract

摘要： Credal网络是研究不确定环境下知识表示和因果推理的一种图模型，其条件概率值可以用不精确的区间或不等式定性地表示，使得表达方式更加灵活有效。Credal网络的推理是计算一定证据下的后验概率最大值和最小值，给出了一种Credal网络推理的新方法，该方法是在桶消元框架下通过枚举计算部分因子函数值，使计算量大大减小，并且可以得到精确的结果。最后用一个实例说明了该方法的可行性。

关键词: Credal网络, 贝叶斯网络, 桶消元, 枚举

Abstract: Credal network is one of the graphical tools for knowledge representation and reasoning under uncertain conditions，where probability values may be qualitatively expressed by intervals or inequality.The inference in Credal network is the computation of tight lower and upper bounds for conditional probabilities.A new algorithm for inference in Credal networks is presented based on the framework of bucket elimination.The burden of computation is alleviated by enumerating some of values and the accurate result is obtained.Finally an example is shown to illustrate the feasibility.

Key words: Credal networks, bayesian networks, bucket elimination, enumeration

中图分类号:

TP181

熊文涛^1，2，齐欢¹，余胜平². Credal网络推理的一种不完全枚举法[J]. 计算机工程与应用, 2009, 45(31): 27-29.

XIONG Wen-tao^1，2，QI Huan¹，YU Sheng-ping². Inference in Credal networks through enumeration incompletely[J]. Computer Engineering and Applications, 2009, 45(31): 27-29.

[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.

Credal网络推理的一种不完全枚举法

Inference in Credal networks through enumeration incompletely

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics