因果推理
-
贝叶斯网络建模与概率推理平台
本项目旨在MATLAB环境下开发一套完整的概率图形模型处理系统，涵盖贝叶斯网络的结构学习、参数学习及多模式推理核心功能。 在结构学习阶段，系统实现了基于评分搜索的K2算法和爬山算法（Hill Climbing），能够从大规模离散观测数据中自动寻找最优的有向无环图（DAG）结构，通过贝叶斯信息准则（BIC）有效避免过拟合，揭示变量间的因果依赖关系。 在参数学习阶段，系统支持最大似然估计（MLE）和贝叶斯估计方法，根据已确定的网络拓扑结构，从样本数据中计算各节点的条件概率分布，生成完整的条件概率表（CPT），并具备处理数据稀疏性的平滑功能。 在概率推理阶段，系统集成了精确推理算法（如变量消除法、联合树算法）和近似推理算法，使用户能够输入特定的已知证据（Evidence），实时计算查询节点的后验概率分布。 该平台可广泛应用于医疗诊断辅助、复杂工业设备故障根因分析、金融信用风险评估以及不确定性决策优化等领域，为研究人员提供从原始数据到决策支持的完整技术链路。
