从确信因子模型到Bayes网络

• 作者: 张佑生 彭青松 汪荣贵 高隽
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: Bayes 网络,确信因子模型,条件独立性,规则的模块性,不确定性推理
• 年，卷（期）: 2004,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 182-188
• 页数: 7页
• 分类号: TP3
• 字数: 10394字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2004.10.049

摘要

本文研究确信因子模型与Bayes网络之间的区别与联系.首先讨论确信因子模型理论基础的局限性,证明确信因子模型中蕴含着与简单Bayes模型一样的条件独立性假设;然后探究Bayes网络中对应于确信因子模型的若干功能,提出Bayes网络推理中条件对推理结论的影响程度与作用方向的概念、分析方法和计算公式,证明Noisy-OR模型的概率推理与确信因子的推理的等价性;最后从知识的表示、推理、获取等三个方面讨论Bayes网络相对于确信因子模型的比较优势.本文的研究表明Bayes网络不仅具备确信因子模型的主要功能,而且可以突破确信因子的局限性.它有望取代确信因子模型,成为基于概率的智能信息处理模型中的一种主流模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张佑生	合肥工业大学计算机与信息学院	135	1269	19.0	29.0
2	汪荣贵	合肥工业大学计算机与信息学院	104	1458	21.0	34.0
3	高隽	合肥工业大学计算机与信息学院	160	1689	22.0	34.0
4	彭青松	合肥工业大学计算机与信息学院	16	158	7.0	12.0