贝叶斯网络结构学习研究
针对贝叶斯网络结构学习方法难以兼顾高准确率和高效率的问题，提出了一种基于Markov Chain Monte Carlo(MCMC)方法的贝叶斯网络结构学习方法的改进。改进包括：使用依赖关系分析，利用统计学的方法对采样空间进行大幅缩减，能够在精确控制准确度的情况下大幅提高时间效率；结合先验知识，从理论角度将先验知识融入评分中得到完全服从后验分布的结果；搜索最优子结构，对于特定的一些结构搜索最优子结构而不是采用贪心的方法，提高了贝叶斯网络结构学习的准确率。通过理论分析可以证明时间复杂度得到了大幅的降低。并且可以在牺牲可预知的准确率的情况下，将指数时间复杂度降为线性时间。大量的数据实验表明，经改进后的方法在时间和准确性上都具有良好的表现。
文件下载
评论信息
其他资源
- 排列熵的matlab程序
- 手眼反应计数器
- zigbee 2530串口通讯实验
- C# WM wince UI集合版（7 IN 1）
- 酷狗音乐爬虫下载
- Python DICOM文件读取.zip
- cisp考点+全套教材
- cudatoolkit-11.0.221-h74a9793_0.conda
- arp攻击c++代码
- 扬州大学历年《中国古代文献学619》研究生入学考试试题.pdf
- CDH6.2-完整版安装文档.doc
- spring-boot-websocket.zip
- 文档管理系统宣传资料.
- jdk-8u181-windows-x64.exe.rar
- LCD中常用LVDS信号介绍.doc
- 016广泛应用于医院ppt模板.pptx
- 2016年中国科学院大学卜老师算法期末试卷解答
- 开会/演讲计时软件
- MFC画时钟自适应大小
- DS1302 LCD1602显示 protues仿真
- Android 购物选择颜色、尺码实现（淘宝效果）
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明