创建贝叶斯网络

博文内容源自http://www.cs.ubc.ca/~murphyk/Bayes/usage.22may00.html#basics

定义贝叶斯网络，必须知道图形结构和相应参数。
考虑下图的图形结构：

指定上图的有向无环图，我们创建一个属性矩阵。

clc 
clear 
%建立贝叶斯网络结构
%四个节点号如下：Cloudy = 1, Sprinkler = 2, Rain = 3, WetGrass =
%4.节点号必须按照拓扑顺序编号，即父节点在前子节点在后。
N=4;
dag=zeros(N,N);
C=1;S=2;R=3;W=4;
%若节点存在则为真1，否则为假0
dag(C,[S R])=1;
dag(S,W)=1;
dag(R,W)=1;
%指明有向无环图，必须确定每个节点的尺寸和类型。如果节点是离散点，它的大小可能是节点所能承载状态的个数。因此我们假设所有节点是离散点和二项的
discrete_nodes=1:N;
%每个节点只有两个状态
node_sizes=2*ones(1,N);
%如果节点不是二项的，可以表述如下：
%node_sizes = [4 2 3 5];意味着Cloudy肯能有四个取值，Sprinkler有两个取值...
bnet=mk_bnet(dag,node_sizes,'names',{'cloudy','sprinkler','rain','wetgrass'},'discrete',discrete_nodes);
%参数用CPD表示，（CPD，Conditional Probability Distribution 条件概率）。
bnet.CPD{C} = tabular_CPD(bnet,C,[0.5 0.5]);
bnet.CPD{R} = tabular_CPD(bnet,R,[0.8 0.2 0.2 0.8]);
bnet.CPD{S} = tabular_CPD(bnet,S,[0.5 0.9 0.5 0.1]);
bnet.CPD{W} = tabular_CPD(bnet,W,[1 0.1 0.1 0.01 0 0.9 0.9 0.99]);
% figure
draw_graph(dag);

结构图