[发明专利]贝叶斯网络结构学习方法、系统及可靠性模型构建方法

权利要求书

1.一种贝叶斯网络结构学习方法，其特征在于，所述方法包括：

获取系统各模块相关数据并抽象为对应的贝叶斯网络的节点；

依据所述节点，建立对应的贝叶斯网络邻接矩阵，并初始化为全零矩阵；

建立与所述贝叶斯网络邻接矩阵尺寸相同的节点对儿互信息矩阵，并初始化为全零矩阵；

建立与所述贝叶斯网络邻接矩阵尺寸相同的节点对儿评分矩阵，并初始化为全零矩阵；

依据所述系统相关数据，计算各节点对应的家族描述长度值及所有节点的家族描述长度值的和；

执行加边操作；

通过最小描述长度准则对当前贝叶斯网络结构进行评价并判断所述贝叶斯网络结构是否存在环；

当所述贝叶斯结构的描述长度减小并不存在环时，继续执行所述加边操作以更新所述贝叶斯网络结构；

所述加边操作具体包括：

计算所有节点对儿对应的互信息值；并获取所述节点对儿互信息矩阵中最大互信息值对应的第一节点对儿编号；

将所述位置清零并在所述第一节点对儿之间添加一条无向边；

计算所有节点对儿对应的评分值；并获取所述节点对儿评分矩阵中所述第一节点对儿对应位置的评分以确定所述无向边的方向。

2.根据权利要求1所述的方法，其特征在于，所述计算所有节点对儿对应的互信息值的步骤具体包括：

依次列举节点对中，节点a及节点b的所有二进制组合情形；

对于某一具体二进制组合情形，依次查询观测数据中所有行的a列和b列；

统计观测数据中完全与所述二进制组合情形相吻合的第一情形总数；

统计观测数据中仅与所述二进制组合情形的a列相吻合的第二情形总数；

统计观测数据中仅与所述二进制组合情形的b列相吻合的第三情形总数；

通过如下算式计算所述具体组合情形的值：

P(i)=N1×log(N1N2×N3),]]>

其中，i表示所述二进制组合情形；N1表示第一情形总数；N2表示第二情形总数；N3表示第三情形总数；

将节点a及节点b的所有二进制组合情形的值相加，获得所述节点对儿对应的互信息值。

3.根据权利要求1所述的方法，其特征在于，通过贝叶斯信息准则计算所述所有节点对儿对应的评分值。