贝叶斯网络 详解

全概率分布可以回答相关领域的任何问题，但随着变量数目的增加，全概率分布的联合取值空间却可能变得很大。另外，对所有的原子事实给出概率，对用户来说也非常困难。若使用Bayes规则，就可以利用变量之间的条件独立关系简化计算过程，大大降低所需要声明的条件概率的数目。我们可以用一个叫作Bayesian网的数据结构来表示变量之间的依赖关系，并为全概率分布给出一个简明的表示。定义（Bayesian网）：Bayesian网T是一个三元组（N,A,P）,其中1．N是节点集合2．A是有向弧集合，与N组成有限非循环图G=（N，A）3．P{p(V|):VN}v，其中v代表节点V的父亲节点集合Bayes