利用matlab进行简单的贝叶斯网络构建

matlab的安装

       第一次装matlab，装好后发现没有在桌面生成图标，还以为是最后提示的编译器没有安装。结果发现，matlab的图标在其安装的bin目录下面，进行初始化就能开始使用了

关于贝叶斯网络

      1.简单的教程可以参照如下地址：

              http://cs.nyu.edu/faculty/davise/ai/bayesnet.html

               http://www.cnblogs.com/leoo2sk/archive/2010/09/18/bayes-network.html

      2.向matlab中添加FULLBNT，参考地址：

               http://hi.baidu.com/73290673/item/21db99f36d90bc49932af29d

              采用MATLAB语言编制的贝叶斯网络工具箱(Bayesian Networks Toolbox,BNT)可实现贝叶斯网络结构学习、参数学习、推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编        程方面非常灵活。
              官方主页：http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html
              官方下载：http://www.cs.ubc.ca/~murphyk/Software/BNT/FullBNT-1.0.4.zip 
              原文链接：http://hi.baidu.com/zgyz/blog/item/2d3627f415c7fbe77709d763.html
              贝叶斯网络：http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html
              语音工具箱：http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voicebox.html
             1、解压FullBNT-1.0.4.zip，将整个目录FullBNT-1.0.4复制到MATLAB的安装目录的TOOLBOX目录下，如D:\MATLAB7\toolbox\
              2、打开Matlab，在MATLAB命令窗口中输入以下命令：
             >> cd D:\MATLAB7\toolbox\FullBNT-1.0.4
             >> addpath(genpathKPM(pwd))
             >> 
            将TOOLBOX下新加的BNT工具箱加到MATLAB的搜索路径中去。
            添加BNT工具箱的MATLAB的搜索路径也可采用如下指令
             >> addpath(genpath(‘D:\MATLAB7\toolbox\FullBNT-1.0.4’))
             >>
             3、为了永久保存上面的路径，以免下次重启MATLAB时重新添加，在MATLAB命令窗口下使用下面的命令：
            >> savepath
            >>
            4、检验是否成功设置的方法：
           在命令窗口中输入以下命令：which test_BNT.m（可以为所加工具箱的任一个M文件名称），如果显示正确，就说明上面的设置成功。
            >> which test_BNT.m
            D:\MATLAB7\toolbox\FullBNT-1.0.4\BNT\test_BNT.m
           >>

       3.关于FULLBNT使用简单教程

          http://www.cs.ubc.ca/~murphyk/Software/BNT/usage.html#examples

          http://blog.sina.com.cn/s/blog_6c7b434d01013ufz.html    

实例分析

            如下图所示，给出了贝叶斯网络的图和相应的条件概率

            

                        对上述信息建立贝叶斯网络，代码如下

                      

[plain] view plain copy

print ?

1. N=8;  
2. dag=zeros(N,N);  
3. A=1;S=2;T=3;L=4;B=5;E=6;X=7;D=8;  
4. dag(A,T)=1;  
5. dag(S,[L B])=1;  
6. dag([T L],E)=1;  
7. dag(B,D)=1;  
8. dag(E,[X D])=1;  
9. discrete_nodes=1:N;  
10. node_sizes=2*ones(1,N);  
11. bnet=mk_bnet(dag,node_sizes,’names’,{‘A’,’S’,’T’,’L’,’B’,’E’,’X’,’D’},’discrete’,discrete_nodes);  
12. bnet.CPD{A}=tabular_CPD(bnet,A,[0.99,0.01]);  
13. bnet.CPD{S}=tabular_CPD(bnet,S,[0.5,0.5]);  
14. bnet.CPD{T}=tabular_CPD(bnet,T,[0.99,0.95,0.01,0.05]);  
15. bnet.CPD{L}=tabular_CPD(bnet,L,[0.99,0.9,0.01,0.1]);  
16. bnet.CPD{B}=tabular_CPD(bnet,B,[0.7,0.4,0.3,0.6]);  
17. bnet.CPD{E}=tabular_CPD(bnet,E,[1,0,0,0,0,1,1,1]);  
18. bnet.CPD{X}=tabular_CPD(bnet,X,[0.95,0.02,0.05,0.98]);  
19. bnet.CPD{D}=tabular_CPD(bnet,D,[0.9,0.2,0.3,0.1,0.1,0.8,0.7,0.9]);  
20. draw_graph(dag)  

N=8;
dag=zeros(N,N);
A=1;S=2;T=3;L=4;B=5;E=6;X=7;D=8;
dag(A,T)=1;
dag(S,[L B])=1;
dag([T L],E)=1;
dag(B,D)=1;
dag(E,[X D])=1;
discrete_nodes=1:N;
node_sizes=2*ones(1,N);
bnet=mk_bnet(dag,node_sizes,'names',{'A','S','T','L','B','E','X','D'},'discrete',discrete_nodes);
bnet.CPD{A}=tabular_CPD(bnet,A,[0.99,0.01]);
bnet.CPD{S}=tabular_CPD(bnet,S,[0.5,0.5]);
bnet.CPD{T}=tabular_CPD(bnet,T,[0.99,0.95,0.01,0.05]);
bnet.CPD{L}=tabular_CPD(bnet,L,[0.99,0.9,0.01,0.1]);
bnet.CPD{B}=tabular_CPD(bnet,B,[0.7,0.4,0.3,0.6]);
bnet.CPD{E}=tabular_CPD(bnet,E,[1,0,0,0,0,1,1,1]);
bnet.CPD{X}=tabular_CPD(bnet,X,[0.95,0.02,0.05,0.98]);
bnet.CPD{D}=tabular_CPD(bnet,D,[0.9,0.2,0.3,0.1,0.1,0.8,0.7,0.9]);
draw_graph(dag)

                    说明：有N=8个节点，建立有向无环图dag，并且这些点的值是离散的，这里1=False 2=True，node_sizes给出了所有状态

                    mk_bnet中names后的{}里面给出了各个节点的别名

                    利用tabular_CPD设置各个变量的边缘概率，对于A和S，定义顺序是False True；对于T、L和B这类，顺序是FF  FT TF TT；对于D这类，顺序是FFF FFT FTF FTT TFF TFT TTF TTT

       简单检查下A的概率

[plain] view plain copy

print ?

1. engine=jtree_inf_engine(bnet);  
2. evidence=cell(1,N);  
3. [engine,loglik]=enter_evidence(engine,evidence);  
4. m=marginal_nodes(engine,A);  
5. m.T()  

engine=jtree_inf_engine(bnet);
evidence=cell(1,N);
[engine,loglik]=enter_evidence(engine,evidence);
m=marginal_nodes(engine,A);
m.T()

现在可以给定任意条件，然后计算概率了。

[plain] view plain copy

print ?

1. 例如要计算任意组合条件下，个体分别得Tub、lung cancer和bronchitis的概率。下面代码计算了P（T=True|A=False,S=True,X=True,D=False）的概率  

     例如要计算任意组合条件下，个体分别得Tub、lung cancer和bronchitis的概率。下面代码计算了P（T=True|A=False,S=True,X=True,D=False）的概率

[plain] view plain copy

print ?

1. engine=jtree_inf_engine(bnet);  
2. evidence=cell(1,N);  
3. evidence{A}=1;  
4. evidence{S}=2;  
5. evidence{X}=2;  
6. evidence{D}=1;  
7. [engine,loglik]=enter_evidence(engine,evidence);  
8. m=marginal_nodes(engine,T);  
9. m.T(2)  

engine=jtree_inf_engine(bnet);
evidence=cell(1,N);
evidence{A}=1;
evidence{S}=2;
evidence{X}=2;
evidence{D}=1;
[engine,loglik]=enter_evidence(engine,evidence);
m=marginal_nodes(engine,T);
m.T(2)

(转载)http://blog.csdn.net/moodytong/article/details/8122327