一种基于网络的贝叶斯执行方法技术

本发明专利技术公开了一种基于网络的贝叶斯执行方法，步骤（1）先验知识是通过抽样调查领域专家获取，步骤（1）先验知识是通过抽样调查领域专家获取，其调查方式为随机抽取该领域的专家100名，将调差结果汇总，当所得某一结果的概率超过一定比例，即为本方法的先知经验，步骤（（1）抽样调查结果的概率超过99%，如果是，将先知经验进行转化；如果否，再随机抽取100专家，进行调查，通过该方法获得先知经验能够保证本贝叶斯的执行基础，即先知经验的完全正确性，以保证执行结果是有意义的，（2）初始化当前贝叶斯网络评分为0，这将网络评分设为全集，覆盖了后续所有的网络评分，以保证网络评分的全面性，步骤（5）如果出现bug，执行步骤(2)，该步骤允许本发明专利技术的执行方法出错，一旦出错即从头执行，直到得出结果。

【技术实现步骤摘要】

本专利技术属于花网络
，特别涉及一种基于网络的贝叶斯执行方法。
技术介绍
贝叶斯网络是一种概率网络，它是基于概率推理的图形化网络，而贝叶斯公式则是这个概率网络的基础。贝叶斯网络是基于概率推理的数学模型，所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程，基于概率推理的贝叶斯网络是为了解决不定性和不完整性问题而提出的，它对于解决复杂设备不确定性和关联性引起的故障有很大的优势，在多个领域中获得广泛应用。
技术实现思路
本专利技术所要解决的问题是提供一种基于网络的贝叶斯执行方法。为了实现上述目的，本专利技术采取的技术方案为：一种基于网络的贝叶斯执行方法，包括如下步骤：(1)将所述先验知识转化为规则格式，同时将所述规则格式转化为n阶方阵，将所述n阶方阵存储到先验知识表中；(2)对n个节点进行随机排序得到一个随机序例ρ；(3)对n个节点中每个节点Xj的父节点数量设置一个阈值a，初始化当前贝叶斯网络为一个空图；(4)获取所述随机序列ρ中任一节点Xj的父节点集合πj，获取所述随机序列ρ中在Xj之前，且不是Xj的父节点的变量Xi；(5)判断是否|πj|＜a，如果是，执行步骤(6)；如果否，执行步骤(4)；(6)在所述先验知识表中查找Xi和Xj之间是否一定不可以有边，如果是，执行步骤(7)；如果否，执行步骤(8)；(7)直接舍弃Xi和Xj之间的边；(8)根据所述Xi和Xj之间的边获取新的贝叶斯网络及其新的贝叶斯网络评分，判断所述新的贝叶斯网络评分是否大于所述当前贝叶斯网络评分，如果是，将所述新的贝叶斯网络作为所述当前贝叶斯网络，当所述随机序列ρ中所有节点执行完毕，返回所述当前贝叶斯网络，作为最终贝叶斯网络模型，流程结束；如果否，重新执行步骤(4)；优选的，所述步骤（1）先验知识是通过抽样调查领域专家获取。优选的，所述步骤（1）先验知识是通过抽样调查领域专家获取，其调查方式为随机抽取该领域的专家100名，将调差结果汇总，当所得某一结果的概率超过一定比例，即为本方法的先知经验。优选的，所述步骤（（1）抽样调查结果的概率超过99%，如果是，将先知经验进行转化；如果否，再随机抽取100专家，进行调查。优选的，所述步骤（2）初始化当前贝叶斯网络评分为0。优选的，所述步骤（5）如果出现bug，执行步骤(2)。有益效果：本专利技术提供了一种基于网络的贝叶斯执行方法，步骤（1）先验知识是通过抽样调查领域专家获取，步骤（1）先验知识是通过抽样调查领域专家获取，其调查方式为随机抽取该领域的专家100名，将调差结果汇总，当所得某一结果的概率超过一定比例，即为本方法的先知经验，步骤（（1）抽样调查结果的概率超过99%，如果是，将先知经验进行转化；如果否，再随机抽取100专家，进行调查，通过该方法获得先知经验能够保证本贝叶斯的执行基础，即先知经验的完全正确性，以保证执行结果是有意义的，（2）初始化当前贝叶斯网络评分为0，这将网络评分设为全集，覆盖了后续所有的网络评分，以保证网络评分的全面性，步骤（5）如果出现bug，执行步骤(2)，该步骤允许本专利技术的执行方法出错，一旦出错即从头执行，直到得出结果。具体实施方式实施例1：一种基于网络的贝叶斯执行方法，其加工工艺包括如下步骤：(1) 先验知识是通过抽样调查领域专家获取，其调查方式为随机抽取该领域的专家100名，将调差结果汇总，当所得某一结果的概率超过99%，如果是，将先知经验进行转化；如果否，再随机抽取100专家，进行调查，将所述先验知识转化为规则格式，同时将所述规则格式转化为n阶方阵，将所述n阶方阵存储到先验知识表中；(2) 初始化当前贝叶斯网络评分为0，对n个节点进行随机排序得到一个随机序例ρ；(3)对n个节点中每个节点Xj的父节点数量设置一个阈值a，初始化当前贝叶斯网络为一个空图；(4)获取所述随机序列ρ中任一节点Xj的父节点集合πj，获取所述随机序列ρ中在Xj之前，且不是Xj的父节点的变量Xi；(5)判断是否|πj|＜a，如果是，执行步骤(6)；如果否，执行步骤(4)；如果出现bug，执行步骤(2)；(6)在所述先验知识表中查找Xi和Xj之间是否一定不可以有边，如果是，执行步骤(7)；如果否，执行步骤(8)；(7)直接舍弃Xi和Xj之间的边；(8)根据所述Xi和Xj之间的边获取新的贝叶斯网络及其新的贝叶斯网络评分，判断所述新的贝叶斯网络评分是否大于所述当前贝叶斯网络评分，如果是，将所述新的贝叶斯网络作为所述当前贝叶斯网络，当所述随机序列ρ中所有节点执行完毕，返回所述当前贝叶斯网络，作为最终贝叶斯网络模型，流程结束；如果否，重新执行步骤(4)；经过以上工艺后，分别取出样品，测量结果如下：与实际结果方差与实际结果标准差执行过程出错率执行精度实施例15.272.120.5‰0.0001现有技术6.432.850.8‰0.0010根据上述表格数据可以得出，当实施例2实施基于网络的贝叶斯执行方法，与实际结果方差为5.27，标准差为2.12，执行出错率为0.5‰，执行精度为0.0001，而现有技术标准为实际结果方差为6.43，标准差为2.85，执行出错率为0.8‰，执行精度为0.0010，这表明本专利技术基于网络的贝叶斯执行方法，方法的结果更为可行，并且结果稳定，执行的出错率低，执行的精度高，因此本专利技术具有显著的优越性。本专利技术提供了一种基于网络的贝叶斯执行方法，步骤（1）先验知识是通过抽样调查领域专家获取，步骤（1）先验知识是通过抽样调查领域专家获取，其调查方式为随机抽取该领域的专家100名，将调差结果汇总，当所得某一结果的概率超过一定比例，即为本方法的先知经验，步骤（（1）抽样调查结果的概率超过99%，如果是，将先知经验进行转化；如果否，再随机抽取100专家，进行调查，通过该方法获得先知经验能够保证本贝叶斯的执行基础，即先知经验的完全正确性，以保证执行结果是有意义的，（2）初始化当前贝叶斯网络评分为0，这将网络评分设为全集，覆盖了后续所有的网络评分，以保证网络评分的全面性，步骤（5）如果出现bug，执行步骤(2)，该步骤允许本专利技术的执行方法出错，一旦出错即从头执行，直到得出结果。以上所述仅为本专利技术的实施例，并非因此限制本专利技术的专利范围，凡是利用本专利技术说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
，均同理包括在本专利技术的专利保护范围内。本文档来自技高网...

【技术保护点】
一种基于网络的贝叶斯执行方法，其特征在于，其制备工艺包括：(1)将所述先验知识转化为规则格式，同时将所述规则格式转化为n阶方阵，将所述n阶方阵存储到先验知识表中；(2)对n个节点进行随机排序得到一个随机序例ρ；(3)对n个节点中每个节点Xj的父节点数量设置一个阈值a，初始化当前贝叶斯网络为一个空图；(4)获取所述随机序列ρ中任一节点Xj的父节点集合πj，获取所述随机序列ρ中在Xj之前，且不是Xj的父节点的变量Xi；(5)判断是否|πj|＜a，如果是，执行步骤(6)；如果否，执行步骤(4)；(6)在所述先验知识表中查找Xi和Xj之间是否一定不可以有边，如果是，执行步骤(7)；如果否，执行步骤(8)；(7)直接舍弃Xi和Xj之间的边；(8)根据所述Xi和Xj之间的边获取新的贝叶斯网络及其新的贝叶斯网络评分，判断所述新的贝叶斯网络评分是否大于所述当前贝叶斯网络评分，如果是，将所述新的贝叶斯网络作为所述当前贝叶斯网络，当所述随机序列ρ中所有节点执行完毕，返回所述当前贝叶斯网络，作为最终贝叶斯网络模型，流程结束；如果否，重新执行步骤(4) 。

【技术特征摘要】
1.一种基于网络的贝叶斯执行方法，其特征在于，其制备工艺包括：(1)将所述先验知识转化为规则格式，同时将所述规则格式转化为n阶方阵，将所述n阶方阵存储到先验知识表中；(2)对n个节点进行随机排序得到一个随机序例ρ；(3)对n个节点中每个节点Xj的父节点数量设置一个阈值a，初始化当前贝叶斯网络为一个空图；(4)获取所述随机序列ρ中任一节点Xj的父节点集合πj，获取所述随机序列ρ中在Xj之前，且不是Xj的父节点的变量Xi；(5)判断是否|πj|＜a，如果是，执行步骤(6)；如果否，执行步骤(4)；(6)在所述先验知识表中查找Xi和Xj之间是否一定不可以有边，如果是，执行步骤(7)；如果否，执行步骤(8)；(7)直接舍弃Xi和Xj之间的边；(8)根据所述Xi和Xj之间的边获取新的贝叶斯网络及其新的贝叶斯网络评分，判断所述新的贝叶斯网络评分是否大于所述当前贝叶斯网络评分，如果是，将所述新的贝叶斯网络作为所述当前贝叶斯网络，当所述随机序列ρ中所有...

【专利技术属性】
技术研发人员：董雄飞，
申请(专利权)人：合肥酷睿网络科技有限公司，
类型：发明
国别省市：安徽;34