7.2.3　空间上下文的贝叶斯网络推理

贝叶斯网络是目前有效的智能化不确定性推理方法，它与其他推理算法相比，最大的特点是有机地结合了概率论和图论，并且可以在数据不完备的条件下灵活地利用训练数据进行结构和参数学习。利用贝叶斯网络进行任意推理是一个NP完全问题，近似推理算法的提出有效地提高了复杂贝叶斯网络推理的效率。

空间上下文有自身的特点，例如明显的层次性、鲁棒性等，在利用贝叶斯网络对其推理的时候，需要结合这些特点研究适用的网络结构以及推理算法。本章在概述了贝叶斯网络理论相关概论的基础上，提出了一种适合空间上下文推理的部分联结树近似推理算法PJT。这一算法是通过对经典联结树算法的改进，使用与查询节点Q相关程度较大的节点构建联结树，代替了使用全部节点构建联结树，以此获得一个部分联结树，很大程度上提高了算法的效率。

本书基于Matlab与BNT开发工具箱实现了PJT贝叶斯网络近似算法，如图7-6和图7-7所示。(https://www.daowen.com)