[发明专利]一种具有自学习功能的贝叶斯网络平台有效
| 申请号： | 201611223871.5 | 申请日： | 2016-12-27 |
| 公开（公告）号： | CN106960069A | 公开（公告）日： | 2017-07-18 |
| 发明（设计）人： | 陈静;陈华森;曾丽丽 | 申请（专利权）人： | 安徽理工大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N7/00;H02H1/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 232001 安徽*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种具有自学习功能的贝叶斯网络平台，平台包括数据预处理模块、网络拓扑结构学习模块、网络参数学习模块、概率推理模块和证据敏感性分析模块；所述处理样本数据集包括选定节点变量，确定节点状态；所述结构学习模块包括新建贝叶斯网络窗口，调用样本数据集，执行结构学习模块，创建网络结构；所述参数学习模块包括调用样本数据，执行参数学习功能；所述概率推理模块包括因果推理，诊断推理和支持推理；所述证据敏感性分析模块包括以测试敏感性的证据节点为条件，计算查询节点的指标。该自学习贝叶斯网络平台能够完成不确定性推理，满足不同研究的需求，拓宽了应用普适性，实现贝叶斯网络构建时参数与结构的自适应调整。 | ||
| 搜索关键词： | 一种 具有 自学习 功能 贝叶斯 网络 平台 | ||
【主权项】：
一种具有自学习功能的贝叶斯网络平台，平台包括数据预处理模块(1)、网络拓扑结构学习模块(2)、网络参数学习模块(3)、概率推理模块(4)和证据敏感性分析模块(5)；所述数据预处理模块(1)包括选定节点变量，确定节点状态；所述结构学习模块(2)包括新建贝叶斯网络窗口，调用样本数据集，执行结构学习模块，创建网络结构，定义节点属性；所述参数学习模块(3)包括调用样本数据，执行参数学习功能；所述概率推理模块(4)包括因果推理，诊断推理和支持推理；所述证据敏感性分析模块(5)包括以测试敏感性的证据节点为条件，计算查询节点的指标；其中数据预处理模块、网络拓扑结构学习模块和网络参数学习模块构建出自动学习样本数据集的贝叶斯网络，概率推理模块和证据敏感性分析模块评估所建网络的有效性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽理工大学，未经安徽理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611223871.5/，转载请声明来源钻瓜专利网。
