摘要：一: 贝叶斯网络的概率解释 完整的概率模型应该具有表示领域变量联合分布的能力,贝叶斯网络提供了表示这种领域变量联合分布的紧凑形式,从公式中我们可以看出,网络中的结点个数程线形增长,但联合分布的计算程指数性增长. 网络中变量间的独立性是实现紧凑表示的关键. 二: 简单贝叶斯学习模型 特征: 各分量独立的总用于决策变量. 特点: 结构简单只有两层结构，推理... 阅读全文

摘要：一：定义 贝叶斯网络用来表示变量间连接概率关系的DAG图。结点表示：领域变量；有向边：结点间的依赖关系；对每一个结点都对应着一个条件概率分布表，该分布表指明了该变量与父结点之间的依赖关系。 二：应用领域 辅助智能决策、数据融合、模式识别、医疗诊断、文本理解、数据挖掘 三：表示方法 图形表示 四：先验概率和后验概率 根据历史的资料或主观判断所得到的概率，该类概率没有... 阅读全文