基于广度优先搜索的贝叶斯网络结构精确建模方法与流程

技术特征：
1.一种基于广度优先搜索的贝叶斯网络结构精确建模方法，其特征在于：包括以下步骤：步骤1，构建节点集合与其标号所对应的哈希表，将节点集合以二进制编码的形式表示，在评分查找过程中，以十进制标号代替节点集合；步骤2，计算网络各节点的全家族评分并以哈希表形式存储；步骤3，对于网络各节点，在其父节点图中，依据广度优先搜索策略，获取最优父节点集合以及评分并以哈希表形式进行存储；步骤4，在节点序图中，依据广度优先搜索策略，获取各节点组合的最优网络结构评分和最优叶节点并以哈希表形式进行存储；步骤5，从全节点组合开始，提取最优叶节点和对应叶节点的最优父节点集合组成网络结构的一部分，更新当前节点集，并重复上述过程，直至节点集合为空。2.根据权利要求1所述的基于广度优先搜索的贝叶斯网络结构精确建模方法，其特征在于：步骤(1)中，将节点集合以二进制编码的形式表示，对于n个节点的集合，设置一个位数为n的二进制数组b，对于某个集合u，若x
i
∈u，则b的第i位置1，否则置0，随后通过哈希函数将其转换为十进制标号。在评分查找过程中，以该十进制标号代替节点集合。3.根据权利要求1所述的基于广度优先搜索的贝叶斯网络结构精确建模方法，其特征在于：步骤(2)中，网络各节点的全家族评分为：其中,x表示某一网络节点，v表示网络全节点集合，ps表示节点x的父节点集合，score表示给定父节点集合条件下节点x的家族评分；步骤(2)包括以下步骤：(2a)构造遍历第1个到第n个贝叶斯网络节点的循环；(2b)以除当前节点外的剩余节点构造候选父节点集合candi_par＝{1:n}\i；(2c)依据哈希表构建candi_par的所有子集subsets，其中，∪subsets＝candi_par；(2d)构造遍历第1个到第2
n
‑1个子集集合的循环；(2e)以当前子集作为父节点集合，以当前节点作为子节点集合，计算家族评分score(i|subsets{j})，并以哈希表的形式存储,其中i是当前节点的下标，j是当前子集的下标。4.根据权利要求1所述的基于广度优先搜索的贝叶斯网络结构精确建模方法，其特征在于：步骤(3)中，最优父节点集合及其评分为：在于：步骤(3)中，最优父节点集合及其评分为：其中,pa(x)表示节点x的最优父节点集合，因此pa(x)是ps的子集；步骤(3)包括以下步骤：(3a)针对网络中的某一节点，构造遍历从其第2
n
‑1个到第1个候选父节点集合的逆循环；(3b)将当前候选父节点集合序号由十进制转换为二进制数组并赋值给bit_array；
(3c)查找二进制数组bit_array中哪些位置为1,并将结果赋值给数组i_ba；(3d)对二进制数组bit_array求和并将结果赋值给变量n_sub_candi；(3e)构造全0数组parents,置父节点图中每个节点所对应的最优父节点集合评分bss为负无穷；(3f)构造遍历0到2^n_sub_candi
‑
1序号的循环；(3g)将当前序号由十进制转换为二进制数组并赋值给sub_bit_array；(3i)将二进制数组parents转换为十进制并赋值给变量dec_pa；(3j)以当前节点和dec_pa为索引，在步骤(2e)所构造的哈希表中查找对应的评分，若评分大于当前最优父节点集合评分，则更新当前最优父节点集合评分和最优父节点集合，循环迭代直至满足终止条件。5.根据权利要求1所述的基于广度优先搜索的贝叶斯网络结构精确建模方法，其特征在于：步骤(4)中，各节点组合的最优网络结构评分和最优叶节点为：在于：步骤(4)中，各节点组合的最优网络结构评分和最优叶节点为：其中,s表示全节点集合v中所有节点的各种组合，组合中的节点个数由0到n依次增加；步骤(4)包括以下步骤：(4a)构造遍历0到2^n
‑
1序号的循环；(4b)将当前序号由十进制转换为二进制数组，并赋值给bit_array；(4c)查找二进制数组bit_array中哪些位置为1，并将结果赋值给数组i_ba；(4d)若i_ba为空，则与该集合所对应的最优网络结构评分和最优叶节点被置为0；(4e)否则，置当前最优网络结构评分为负无穷，并构造遍历i_ba集合中节点的循环；(4f)计算i_ba中除当前节点外其余节点所构成的最优网络结构评分，并存储在p_score中；(4g)在候选父节点集中寻找最优父节点集合，计算其所对应的家族评分并存储于bestscore中；(4h)集合i_ba所对应的最优网络结构的评分score等于p_score bestscore；(4i)若score大于当前集合所对应的最优网络结构评分，则更新该集合所对应的最优网络结构评分和最优叶节点，其中最优网络结构评分更新为score，最优叶节点更新为该次循环中i_ba的当前节点；(4j)将最优叶节点和最优网络结构评分按序号存储在最优叶节点缓存leaf_cache和最优网络结构评分缓存p_cache中。6.根据权利要求1所述的基于广度优先搜索的贝叶斯网络结构精确建模方法，其特征在于：步骤(5)包括以下步骤：(5a)初始化网络结构为空，初始化节点集合nodes为长度为n的全1集合；(5b)构造遍历n到1的逆循环；(5c)在哈希表中读取数组nodes所对应的编号；(5d)依据该编号从最优叶节点缓存leaf_cache中提取当前最优叶节点temp；
(5e)将temp放置于节点序中的当前序号位；(5f)将节点集合nodes中temp所对应的位置置为0；(5g)以temp为叶节点，在哈希表中读取nodes所对应的编号；(5h)根据该编号读取temp所对应的最优父节点集合在哈希表中的编号ps_indx；(5i)将十进制数字ps_indx
‑
1转换为二进制数组ps_bins；(5j)查找二进制数组ps_bins中哪些位置为1并赋值给数组raw；(5k)在网络结构中，依次添加从raw中各元素到节点temp的有向边；(5l)循坏迭代直至满足终止条件，其余循环步骤以此类推。

技术总结
本发明为一种基于广度优先搜索的贝叶斯网络结构精确建模方法，其克服了现有技术中存在的传统的基于深度优先搜索的算法效率有待提高的问题。本发明包括以下步骤：构建节点集合与其标号所对应的哈希表；计算网络各节点的全家族评分并以哈希表形式存储；对于网络各节点，在其父节点图中，依据广度优先搜索策略，获取最优父节点集合以及评分并以哈希表形式进行存储；在节点序图中，依据广度优先搜索策略，获取各节点组合的最优网络结构评分和最优叶节点并以哈希表形式进行存储；从全节点组合开始，提取最优叶节点和对应叶节点的最优父节点集合组成网络结构的一部分，更新当前节点集，并重复上述过程，直至节点集合为空。直至节点集合为空。直至节点集合为空。


技术研发人员：贺楚超 王鹏 邸若海 吕志刚 李晓艳 许韫韬 张玉芳 李亮亮 孙梦宇 辛泊言
受保护的技术使用者：西安工业大学
技术研发日：2021.07.21
技术公布日：2021/10/29