面向苗药药性挖据的贝叶斯网络参数学习方法研究

周珍 贵州师范大学

面向苗药药性挖据的贝叶斯网络参数学习方法研究

周珍 贵州师范大学

苗族文字的缺失造成苗药药性缺失，从而影响苗药规范研制、科学用药。苗药大数据为苗药药性缺失问题提供了新的思路。本文针对苗药药性参数统计问题提出了贝叶斯网络参数学习方法。

苗药 药性 贝叶斯网络

1 引言

苗药作为一种民族医药，是苗族人民在其生存环境中，与疾病作斗争所产生和形成的的医药，是苗族人民传统用于预防、治疗和保健的天然药物。苗药的药性是苗药的核心和基础，是对苗药在人体使用后所产生的各种医疗作用和效果的高度概括，是指导苗药在临床试验中的重要依据。因此，对于研究苗药的药性问题是必不可少的，对于苗药的药性进行分析可以提高苗药在临床上的使用，可以减少苗药在使用时的错误判断。苗药的药性问题是先在研究苗药的一个重要方向。

对于苗药药性分析，采用贝叶斯网络的学习方法来得到苗药的药性，在给定苗药的贝叶斯网络结构的前提下，如何利用给定样本数据去学习网络的参数的概率分布，即更新网络变量原有的先验分布。获得网络结构的各节点的概率以及条件概率，从而得到贝叶斯网络的参数。在完备数据集下，我们可以从样本中直接学习出网络的参数，并且现在已有成熟的解决方法了，如完整数据的网络最大似然估计、贝叶斯估计等。然而在实际的贝叶斯网络参数学习过程中，样本常常发生数据丢失的现象，这使得现有的学习算法无法直接从样本中学习出贝叶斯网络的参数。研究者已经提出了一些解决方法，这些方法都是基于梯度优化或者EM算法去学习缺失数据的贝叶斯网络参数。EM算法作为一种能够处理缺失数据的贝叶斯网络参数学习的经典算法，但是EM算法仍然有易于收敛到局部最优和收敛速度慢的缺点。特别对于样本数据大的参数学习问题，EM算法巨大的计算复杂度使其很难运用到实际问题上。

本文主要针对有缺失的数据，改进EM算法，使得在进行参数学习时能够避免EM算法所存在的缺点。因此提出了利用大数据进行的分布式EM算法，为我解决苗药药性贝叶斯网络结构参数学习提供新的思路。

2 贝叶斯网络参数学习方法

3 结论

通过此参数学习算法，我们可以得到苗药分析贝叶斯网络的参数统计结果，为苗药的参数统计提供了好的方法。

[1]李晓毅,徐兆棣,孙笑微.贝叶斯网络的参数研究[J].沈阳农业大学学报,2007-02,38(1):125-128

[2]张连文,郭海鹏.贝叶斯网络引论[M].科学出版社,2006

[3]Cooper G F,Herskovits E.A bayesian method for the induction of probabilistic networks from data[J]. Machine Learning,1992,9(4):300-347

[4]Heckerman D. A tutorial on learning bayesian networks[J]. In M.I.Jodan, Learning in Graphical Models,1998

[5]Binder J,Koller D,Russell S,et al.Kanazawa adaptive probabilistic networks with hidden variables[J]. Machine Learning ,1997,29(2-3):213-244

[6]Lauritzen S L. The EM algorithm for graphical association models with missing data[J]. Computational Statistics and Data Analysis, 1995,19(2):19-201