[发明专利]一种适用于图模型概率推理的不确定性估计方法

权利要求书

1.一种适用于图模型概率推理的不确定性估计方法，其特征在于：包括如下步骤：

1)构建针对实际待推理问题的图模型；

2)设定步骤1)中图模型的叶节点和根节点，同时设定概率推理时消息传播的内向为从叶节点向根节点的方向，外向为从根节点向叶节点的方向；

3)执行步骤4)至步骤8)的操作K次；

4)沿消息传递的内向执行步骤5)和步骤6)的操作；

5)对于每一节点x_i，求取下述三类量的积它的局部势φ_l(x_i)、与下级相邻节点x_j的配对势φ_p(x_i，x_j)、由除x_j外的所有其它节点传来的消息的积上述积表现为一个矩阵；

6)对步骤5)中积的每一行执行累加概率采样，将每一行所得的采样值汇总组成列向量m^sam，并作为新消息；将每一行所得的构成消息的状态索引汇总组成列向量累加概率采样方法可以在采样一组概率服从任一分布的状态时保持随机性并同时兼顾各个状态的概率，即，确保概率大的状态具有被采样到的更大可能性；

7)沿消息传递的外向，以在根节点求取的为起点进行状态回溯(Back-tracking)，将回溯得到的每个节点的关联状态组成关联配置向量C；

8)根据关联配置向量C求取一组对应实际推理对象的解U_k；

9)通过待推理对象的解集拟合出表征推理不确定性的协方差。

2.根据权利要求1所述的估计方法，其特征在于：所述的步骤5)具体步骤如下：

①.将一个包含n个元素的向量a做归一化处理：

②.对于i从1到n求取

③.在0和1之间生成一个随机数r；

④.通过下式求取t：t＝argmin_k(d[k]≥T)；

⑤.得到v＝a[t]为采样得到的值，而t为v在向量a中的索引。

3.根据权利要求1所述的估计方法，其特征在于：所述的步骤5)中，对于叶节点，由于沿内向没有上级节点，将所有接收到的消息置为1；对于根节点，由于沿内向没有下级节点，因此配对势置为1。