1.稀缺样本数据集条件下BN模型参数的学习方法，其特征在于：包括以下步骤：

获取领域定性约束知识和稀缺样本数据集；

依据所述领域定性约束知识和自助法，获得满足多组约束的BN参数集；

采用传统参数学习方法计算出所述稀缺样本数据集条件下BN模型的初始参数；

根据所述满足多组约束的BN参数集和所述初始参数，计算所述稀缺样本数据集条件下BN模型的参数。

2.根据权利要求1所述的稀缺样本数据集条件下BN模型参数的学习方法，其特征在于：依据所述领域定性约束知识和自助法，获得满足多组约束的BN参数集的具体步骤包括：将所述领域定性约束知识转化为不等式参数约束集合；

根据所述不等式参数约束集合和所述自助法，获得所述满足多组约束的BN参数集。

3.根据权利要求1所述的稀缺样本数据集条件下BN模型参数的学习方法，其特征在于：根据所述满足多组约束的BN参数集和所述初始参数，计算所述稀缺样本数据集条件下BN模型的参数的具体步骤包括：求取出所述满足多组约束的BN参数集的累加和，并标记为累加约束参数；

根据所述累加约束参数和所述初始参数，计算所述稀缺样本数据集条件下BN模型的参数。

4.根据权利要求3所述的稀缺样本数据集条件下BN模型参数的学习方法，其特征在于：根据所述累加约束参数和所述初始参数，计算所述稀缺样本数据集条件下BN模型的参数的具体步骤包括：求取第一预设权值与所述累加约束参数之积，并标记为第一参数；

求取第二预设权值与所述初始参数之积，并标记为第二参数；

根据最大熵原则、所述第一参数和所述第二参数，求取出所述稀缺样本数据集条件下BN模型的参数。

5.根据权利要求1所述的稀缺样本数据集条件下BN模型参数的学习方法，其特征在于：所述传统参数学习方法包括最大似然估计法和最大后验概率参数学习方法；

其中，所述采用传统参数学习方法计算出所述稀缺样本数据集条件下BN模型的初始参数的具体步骤包括：获得所述稀缺样本数据集的大小；

判断所述大小是否大于所述预设值；

若所述大小小于等于所述预设值，采用所述最大后验概率参数学习方法计算出所述稀缺样本数据集条件下BN模型的初始参数；

若所述大小大于所述预设值，采用所述最大似然估计法计算出所述稀缺样本数据集条件下BN模型的初始参数。

6.稀缺样本数据集条件下BN模型参数的学习系统，其特征在于：所述系统包括：

获取模块，用于获取领域定性约束知识和稀缺样本数据集；还用于依据所述领域定性约束知识和自助法，获得满足多组约束的BN参数集；

计算模块，用于采用传统参数学习方法计算出所述稀缺样本数据集条件下BN模型的初始参数；还用于根据所述满足多组约束的BN参数集和所述初始参数，计算所述稀缺样本数据集条件下BN模型的参数。

7.根据权利要求6所述的稀缺样本数据集条件下BN模型参数的学习系统，其特征在于：所述获取模块具体用于：

将所述领域定性约束知识转化为不等式参数约束集合；

根据所述不等式参数约束集合和所述自助法，获得所述满足多组约束的BN参数集。

8.根据权利要求6所述的稀缺样本数据集条件下BN模型参数的学习系统，其特征在于：所述计算模块包括：

求取单元，用于求取出所述满足多组约束的BN参数集的累加和，并标记为累加约束参数；

计算单元，用于根据所述累加约束参数和所述初始参数，计算所述稀缺样本数据集条件下BN模型的参数。

9.根据权利要求8所述的稀缺样本数据集条件下BN模型参数的学习系统，其特征在于：所述计算单元具体用于：

求取第一预设权值与所述累加约束参数之积，并标记为第一参数；

求取第二预设权值与所述初始参数之积，并标记为第二参数；

根据最大熵原则、所述第一参数和所述第二参数，求取出所述稀缺样本数据集条件下BN模型的参数。

10.根据权利要求6所述的稀缺样本数据集条件下BN模型参数的学习系统，其特征在于：所述传统参数学习方法包括最大似然估计法和最大后验概率参数学习方法；

其中，所述计算模块具体用于：

获得所述稀缺样本数据集的大小；

判断所述大小是否大于所述预设值；

若所述大小小于等于所述预设值，采用所述最大后验概率参数学习方法计算出所述稀缺样本数据集条件下BN模型的初始参数；

若所述大小大于所述预设值，采用所述最大似然估计法计算出所述稀缺样本数据集条件下BN模型的初始参数。