%0 Journal Article
%T From Certainty Factor Model to Bayesian Network<br>从确信因子模型到Bayes网络
%A 汪荣贵
%A 张佑生
%A 高隽
%A 彭青松
%J 计算机科学
%D 2004
%I 
%X 本文研究确信因子模型与Bayes网络之间的区别与联系。首先讨论确信因子模型理论基础的局限性，证明确信因子模型中蕴含着与简单Bayes模型一样的条件独立性假设；然后探究Bayes网络中对应于确信因子模型的若干功能，提出Bayes网络推理中务件对推理结论的影响程度与作用方向的概念、分析方法和计算公式，证明Noisy-OR模型的概率推理与确信因子的推理的等价性；最后从知识的表示、推理、获取等三个方面讨论Bayes网络相对于确信因子模型的比较优势。本文的研究表明Bayes网络不仅具备确信因子模型的主要功能，而且可以突破确信因子的局限性。它有望取代确信因子模型，成为基于概率的智能信息处理模型中的一种主流模型。
%K 因子模型
%K 务件
%K 比较优势
%K 局限性
%K Bayes模型
%K 突破
%K 知识
%K Bayes网络
%K 智能信息处理
%K 条件独立性
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=1CB1C8E00CEABB03&yid=D0E58B75BFD8E51C&vid=4AD960B5AD2D111A&iid=F3090AE9B60B7ED1&sid=B1F98368A47B8888&eid=847B14427F4BF76A&journal_id=1002-137X&journal_name=计算机科学&referenced_num=1&reference_num=29