注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 贝叶斯网络结构在线学习算法研究及应用

  2. 现代大型机电设备的日趋复杂化和自动化导致设备故障现象和机理之间具有很大的不确定性，因此对故障诊断技术提出了 更高的要求。针对汽车发动机的工作原理及其故障知识结构特征，基于贝叶斯网络理论，以机器学习中的增量学习为基础提出和研 究了在线式贝叶斯网络结构学习方法，并利用该方法对汽车发动机故障结构网络进行在线学习。最后通过实验分析验证了在线式 贝叶斯网络故障诊断方法比起传统的贝叶斯网络方法以及专家系统方法，该方法在汽车发动机故障诊断结果中具有更高的准确性 和可靠性。

  3. 所属分类：网络基础

    • 发布日期：2009-05-12
    • 文件大小：342kb
    • 提供者：dujianlin86

  1. 利用K2算法学习贝叶斯网络结构

  2. 利用Ｋ２算法从数据中学习贝叶斯网络结构 # include "mex.h" # include "math.h" /*[ DAG, K2Score ] = K2( LGObj,Order,u,PreDAG )

  3. 所属分类：网络基础

    • 发布日期：2010-05-31
    • 文件大小：10kb
    • 提供者：jiangjw924

  1. 一种贝叶斯网络结构学习的优化策略

  2. 贝叶斯网络的建造是一个复杂的任务，需要知识工程师和领域专家的参与。在实际中可能是反复交叉进行而不断完善的。面向设备故障诊断应用的贝叶斯网络的建造所需要的信息来自多种渠道，如设备手册，生产过程，测试过程，维修资料以及专家经验等。首先将设备故障分为各个相互独立且完全包含的类别（各故障类别至少应该具有可以区分的界限），然后对各个故障类别分别建造贝叶斯网络模型，需要注意的是诊断模型只在发生故障时启动，因此无需对设备正常状态建模。通常设备故障由一个或几个原因造成的，这些原因又可能由一个或几个更低层次的原

  3. 所属分类：网络基础

    • 发布日期：2010-08-03
    • 文件大小：95kb
    • 提供者：caoly1828

  1. 贝叶斯网络结构的学习总结

  2. 贝叶斯网络结构的学习总结 贝叶斯网络建模一般有三种方法：1）依靠专家建模；2）从数据中学习；3）从知识库中创建。在实际建模过程中常常综合运用这些方法，以专家知识为主导，以数据库和知识库为辅助手段，扬长避短，发挥各自优势，来保证建模的效率和准确性。但是，在不具备专家知识或知识库的前提下，从数据中学习贝叶斯网络模型结构的研究显得尤为重要。 常用的结构学习方法主要有两类，分别是基于依赖性测试的学习和基于搜索评分的学习。

  3. 所属分类：网络基础

    • 发布日期：2010-11-25
    • 文件大小：331kb
    • 提供者：d_beibei

  1. 基于PCA的贝叶斯网络分类器研究

  2. ：针对基于信息论的贝叶斯网络结构学习算法中结点集越大计算效率越低的缺点，采用主元分析(PCA)对样本 数据降维，减少构造网络的结点数量，提高贝叶斯网络结构构造算法的效率。应用基于PCA 方法构造贝叶斯网络， 其结点少、结构简单，较传统贝叶斯网络具有较高的学习效率和分类准确率。

  3. 所属分类：网络基础

    • 发布日期：2011-02-11
    • 文件大小：201kb
    • 提供者：hellooooo

  1. 基于贝叶斯网络结构学习和分类器的数据挖掘研究

  2. 这是个基于贝叶斯网络学习和分类器的数据挖掘研究，适合于研究生阶段的数据库技术研究学习

  3. 所属分类：其它

    • 发布日期：2011-06-29
    • 文件大小：2mb
    • 提供者：wlphoenix123

  1. Causation, Prediction, and Search

  2. 一本介绍贝叶斯网络结构学习中，依赖性分析方法的英文书籍。

  3. 所属分类：网络基础

    • 发布日期：2012-01-08
    • 文件大小：3mb
    • 提供者：huijuanxu

  1. matlab贝叶斯网络工具箱

  2. 贝叶斯网络工具箱采用MATLAB语言编制的贝叶斯网络工具箱(Bayesian Networks Toolbox,BNT)可实现贝叶斯网络结构学习、参数学习、推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编程方面非常灵活。利用贝叶斯网络工具箱可以解决贝叶斯学习和推理问题

  3. 所属分类：其它

    • 发布日期：2012-04-23
    • 文件大小：11mb
    • 提供者：fengyilu1987

  1. 贝叶斯网络

  2. 贝叶斯网络结构学习以下简称结构学习的目标是寻找对先验知识和数据拟合得最好的网络结构。

  3. 所属分类：专业指导

    • 发布日期：2013-09-17
    • 文件大小：232kb
    • 提供者：u012152243

  1. 贝叶斯网络结构学习

  2. 贝叶斯网络结构学习 基于贝叶斯网络的河流突发性水质污染事故风险评估

  3. 所属分类：专业指导

    • 发布日期：2014-05-09
    • 文件大小：6mb
    • 提供者：hsn2014

  1. 贝叶斯网络学习方法和算法研究.pdf

  2. 贝叶斯网络学习方法和算法研究 学习朴素贝叶斯相关算法的网络结构和实现方法

  3. 所属分类：专业指导

    • 发布日期：2015-04-16
    • 文件大小：2mb
    • 提供者：qq_15627557

  1. 贝叶斯网络结构学习

  2. 贝叶斯网络结构学习评分方法总结

  3. 所属分类：讲义

    • 发布日期：2016-04-30
    • 文件大小：275kb
    • 提供者：qq_34808572

  1. 基于贝叶斯网络的老年重症患者的预后评估

  2. 针对当前重症患者预后相关因素的研究主要集中于线性回归分析,构建了一基于贝叶斯网络的老年重症患者预后评估系统。提出了一种基于最小描述长度与K2算法的贝叶斯方法,以获得较优的网络结构;并利用最大似然估计进行参数学习。四折交叉抽样的实验结果表明,所构建系统的预测精度比传统的BP神经网络和基于K2的贝叶斯网络学习分别提高了6.87%和27.20%.这将为医生预测高龄患者在ICU治疗中的受益程度提供临床决策支持。

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：638kb
    • 提供者：weixin_38707192

  1. qdscreen:快速贝叶斯网络结构学习的准确定性筛选（来自T.Rahier博士论文，2018年）-源码

  2. qdscreen 消除分类变量中的冗余并提高模型性能。 qdscreen提供了T.Rahier博士论文，2018年qds-BNSL筛选算法（也称为qds-BNSL ）的python实现。这是开发人员的自述文件。用户文档可在以下位置找到： : 想要贡献？ 欢迎捐款！只需将该项目分叉到github上，提交您的贡献并创建请求请求即可。 这是有趣的开放主题的详尽列表： : nox设置 该项目使用nox定义所有生命周期任务。为了能够运行这些任务，您应该创建python 3.6环境并安装要求：

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：104kb
    • 提供者：weixin_42134038

  1. 基于改进Wolf Pack算法的害虫图像分类方法优化贝叶斯网络结构学习

  2. 传统的害虫图像识别技术基于图像的点特征和线特征。 在复杂的照明条件下或更改摄像机角度时，分类识别效果不准确。 本文提出了一种基于改进的Wolf Pack算法（WPA）的害虫图像分类方法，以优化贝叶斯网络（BN）结构学习。 首先，我们选择一个预训练的卷积神经网络（CNN）来提取数据集的图像特征。 然后将特征向量和图像分类输入到BN中。 其次，改进了传统的Wolf Pack.Algorithm算法，并将其作为一种搜索算法，将贝叶斯信息准则（BIC）作为一种评分函数来学习BN的结构。 然后通过最大似然

  3. 所属分类：其它

  1. 基于先验知识的贝叶斯网络结构学习算法

  2. 从数据中学习结构是贝叶斯网络研究最重要的基本任务之一。 特别地，学习贝叶斯网络的可选结构是一个不确定的多项式时间（NP）难题。 为了解决这个问题，已经提出了许多启发式算法，并且其中一些在不同类型的先验知识的帮助下学习贝叶斯网络结构。 然而，现有算法对先验知识有一些限制，例如质量限制和使用限制。 这使得很难在这些算法中很好地利用先验知识。 在本文中，我们将先验知识引入了马尔可夫链蒙特卡洛（MCMC）算法，并提出了一种称为约束MCMC（C-MCMC）算法的算法来学习贝叶斯网络的结构。 定义了三种类型

  3. 所属分类：其它

  1. 基于连续粒子群算法的贝叶斯网络结构学习

  2. 基于连续粒子群算法的贝叶斯网络结构学习

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：749kb
    • 提供者：weixin_38751014

  1. 一种改进的贝叶斯网络短文本分类算法

  2. 对于短文本由于其特征数少而使分类效果不理想的情况，本文提出了一种改进的的贝叶斯网络文本分类算法，改进之处在于贝叶斯网络结构学习阶段的寻找父节点步骤，本文算法在考虑了连接强度的因素后，减少了本来不相关的两个节点被归类为父子关系的错误干扰，使每个节点找到的父节点更加准确，从而使文本的分类准确度得到了提升。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：321kb
    • 提供者：weixin_38589316

  1. 基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法

  2. 针对目前利用启发式算法学习贝叶斯网络结构易陷入局部最优、寻优效率低的问题，提出一种基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法。该算法在种群划分阶段提出自适应的规模因子平衡局部搜索与全局搜索，在子种群更新阶段利用改进的变异算子与交叉算子构建樽海鞘搜索策略与差分搜索策略，更新不同的子种群，在合并子种群阶段利用两点变异算子增加种群多样性。由算法的收敛性分析可知，通过种群的迭代搜索可以找到最佳结构。实验结果表明，与其他算法相比，所提算法收敛精度与寻优效率均有提升。

  3. 所属分类：其它

  1. 基于最小描述长度和K2的贝叶斯网络结构学习算法

  2. 基于最小描述长度和K2的贝叶斯网络结构学习算法

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：417kb
    • 提供者：weixin_38751014
« 12 »