中共中
贝叶斯网络对于嵌入式系统相关
课程学习的分析应用
谢斌夏林
(北京物资学院信息学院北京通州101149)
学术论坛
摘要：员叶斯网络是一种基于概率推理的图形化网络。本文利用叶斯网络将事物间的国果关系推向极致的特点，对于丧入式系统相关课程的学习进行建模，并对其中各个因素的影响进行分析并总结。
关键调：贝叶斯网络条件概率嵌入式系统
中图分类号：TB114 1、基本概念
文献标识码：A
文章编号：1007-9416(2011)11-0217-02
CI
贝叶斯网络(BayesianNetworks)的理论依据是概率论，推理的基础是基于概率推理，并以图论的形式来表达和描述数据实例中的关联或因果关系。
贝叶斯网络(BN)由两部分组成，-个就是由变量(结点)及连接它们之间的有向弧组成的有向无环图(DAG)，DAG由若干个节点和连接这些节点之间的有向边组成，每个节点对应问题领的一个随机变量，可定义为间题中感兴趣的现象、部件、状态或属性等。连接节点之间的有向边代表节点之间的依赖或因果关系，连接边的箭头代表因果关系影响的方向性(由父节点指向子节点)，节点之间缺省连接则表示节点所对应的变量之间条件独立。另一个就是表示每个变量
和它的所有父代关系的条件规率表(CPT),费率值表示子节点与其父节点之间的关联强度，没有父节点的节点概率为其先验概率，
在条件独立性假设下，设BN为U=X,X，"X，这里X表示节点，则由链式法则，联合分布PX,X,.X.}可求：
P(U)= P(X,,X,,.-X,) =P(X,|Pa,) 其中，Pa,为节点的父代集合。
X,的边缘分布为：P(X,)=
P(U
(1)(2)
目前的研究中，计算可用各种软件包来实现。本文使用的是 Microsoft公司开发的MSBNX软件包(可在微软的网站下载）。
2、对于够入式系统相关课程学习的应用建模和贝叶斯网络图
嵌人式系统是当前最热门最有发展前途的IT应用领域之一，本文的目的就是通过运用贝叶斯网络的知识来分析嵌人式系统相关课程学习中各个因素对结果的影响。为此，先构建嵌人式系统相关课程指标体系(图1)和相对应于MSBNX软件的有向无环图(图2)。
嵌人式系统相关课程A
编程功能剧
言g
荣晶汽
商间对语言心
Linx系镜C4
摄作系统助 TincCE系统CS
数蝴结的的
举伴系找原理 C6
接口技术口
相舞普计算机组成原理8
图1嵌入式系统相关课程指标体系模型
万方数据
C BI
C3 Y 4 Y C5Y C6 Y C7
C
B A
图2体系模型的有向无环图
B4
3、利用贝叶斯网络求嵌入式系统相关课程学习中最终节点的概率
为了求出最终节点的概率，并利用贝叶斯网络知识对嵌人式系统相关课程学习中的各个因素进行评估分析，接下来，对各个节点进行赋值。
节点所代表的事件都是以发生(Y表示)和不发生(N表示)来取概率的，首先根据实际情况，对根节点赋值，比如，对C，B,节点：
P(C, = Y)= 0.55, P(C, = N)= 0.45 P(B, = Y) = 0.3. P(B, = N) = 0.7
其次，对各个子节点赋条件概率，比如，对B节点：
P(B, = YIC, = Y,C, = Y) = 0.9, P(B, =YIC, = Y,C, = N) = 0.35 P(B, =YIC, = N,C, = Y) = 0.8, P(B, = YIC, = N,C, = N) = 0.5 其余先验概率都可以结合实际情况给出，不再一一列出。接下来，利用软件求出最终节点A的概率，如表1：
表1初始赋值后求得最终节点。的结果
Node Name A
State0
Yes 0.4722
State1
No 0.5278
4、对各个因素的影响进行分析
以改变变量C为例.先改变初始赋值，令P(C=Y)=0.1 P(C=N)=0.9,利用软件求A节点的概率，结果如表2:
表2C改变赋值后4节点的结果
State1
NodeName
State 0 Yes
No
A
0.4569
0.5431
由表2中可以看出，改变变量C,的概率赋值，对于A的影响并不明显。
下转第219页
217