草地湿模型详解

---

前言

贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。一个贝叶斯网络是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量节点及连接这些节点有向边构成。节点代表随机变量，节点间的有向边代表了节点间的互相关系(由父节点指向其子节点)，用条件概率进行表达关系强度，没有父节点的用先验概率进行信息表达。节点变量可以是任何问题的抽象，如：测试值，观测现象，意见征询等。适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种控制因素的决策，可以从不完全、不精确或不确定的知识或信息中做出推理。
本文是对草地湿模型进行研究。

一、草地湿模型

贝叶斯结构图：

二、BNT参数学习(MATLAB)

代码如下（示例）：

#模型设置#

N=4;
dag=zeros(N,N);
C=1;S=2;R=3;W=4;
dag(C,[R S])=1;
dag(R,W)=1;
dag(S,W)=1;

#生成多项式条件概率#

false = 1; true = 2;
ns = 2*ones(1,N); % binary nodes 节点状态数
figure
draw_graph(dag);
bnet = mk_bnet(dag, ns