基于贝叶斯网估计属性权重非迭代非参数化方法

丁树良; 程梦玲; 罗芬; 汪文义; 熊建华; 李瑜

doi:10.16357/j.cnki.issn1000-5862.2026.02.01

江西师范大学学报（自然科学版） ›› 2026, Vol. 50 ›› Issue (2) : 111 -119. DOI: 10.16357/j.cnki.issn1000-5862.2026.02.01

基于贝叶斯网估计属性权重非迭代非参数化方法

丁树良, 程梦玲, 罗芬, 汪文义, 熊建华, 李瑜

作者信息 +

Author information +

文章历史 +

PDF

摘要

该文结合Q矩阵理论和线性方程组求解的理论，优化了现有的贝叶斯网框架，省略了迭代步骤；利用通过率替代讨厌参数-能力参数，引入非参数方法.模拟研究发现：当被试样本量不小于60时，使用该文提出的非参数化方法对属性进行加权后的诊断判准率优于等权的诊断判准率，且在大多数模拟条件下会优于参数化方法.实证数据分析显示：观测数据的分布过度集中在少数几个模式上，参数化方法更具稳健性，但若观测数据模式的分布比较“均匀”,则非参数方法仍展现出优势.研究结果为优化多级评分认知诊断提供了理论依据，并且为实际应用提供了一个范例.