[发明专利]贝叶斯网络的结构学习方法、装置及电子设备

说明书

本申请提出一种贝叶斯网络的结构学习方法、装置以及电子设备，涉及计算机技术领域，方法包括：获取待进行结构学习的贝叶斯网络的节点集合；对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。减少了贝叶斯网络的结构学习的计算量，进而缩短了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的耗时，提高了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种贝叶斯网络的结构学习方法、装置及电子设备。

背景技术

贝叶斯网络是以贝叶斯理论为基础的基于概率推理的图形化网络，适用于表达和分析不确定性和概率性的事件，能够在不确定性环境中实现知识表示、推断、预测等，广泛应用于故障诊断、图像识别、数据挖掘等领域。

相关技术中，通常利用相关算法确定所有数据之间的时序相关性，进而根据所有数据之间的时序相关性学习贝叶斯网络的结构，但是利用这种方式确定贝叶斯网络的结构时，若待进行结构学习的贝叶斯网络的节点数量很多，则计算量很大，从而导致利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的耗时长，效率低。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

本申请提出一种贝叶斯网络的结构学习方法、装置及电子设备，以解决相关技术中的贝叶斯网络的结构学习方法在学习贝叶斯网络的结构时的计算量大，从而导致利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的耗时长，效率低的技术问题。

本申请第一方面实施例提出了一种贝叶斯网络的结构学习方法，包括：获取待进行结构学习的贝叶斯网络的节点集合；对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。

本申请第二方面实施例提出了一种贝叶斯网络的结构学习装置，包括：获取模块，用于获取待进行结构学习的贝叶斯网络的节点集合；拆分模块，用于对所述节点集合进行拆分，以得到所述贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合；第一确定模块，用于针对每个子贝叶斯网络，根据所述子贝叶斯网络的子节点集合，确定所述子贝叶斯网络的结构；融合模块，用于对多个所述子贝叶斯网络的结构进行融合处理，以得到所述贝叶斯网络的结构。

本申请第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请第一方面实施例提出的贝叶斯网络的结构学习方法。

本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请第一方面实施例提出的贝叶斯网络的结构学习方法。

本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如本申请第一方面实施例提出的贝叶斯网络的结构学习方法。

本申请提出的技术方案，具有如下有益效果：

通过获取待进行结构学习的贝叶斯网络的节点集合后，对节点集合进行拆分，以得到贝叶斯网络中待进行结构学习的多个子贝叶斯网络的子节点集合，再针对每个子贝叶斯网络，根据子贝叶斯网络的子节点集合，确定子贝叶斯网络的结构，进而对多个子贝叶斯网络的结构进行融合处理，以得到贝叶斯网络的结构，减少了贝叶斯网络的结构学习的计算量，进而缩短了利用贝叶斯网络进行故障诊断、图像识别、数据挖掘等的耗时，提高了效率。