基于PCA的貝葉斯網(wǎng)絡構造算法研究與應用.pdf_第1頁
已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、貝葉斯網(wǎng)絡是用來表示變量間概率分布的圖形模式，它提供了一種自然的表示因果信息的方法，用來發(fā)現(xiàn)數(shù)據(jù)間的潛在關系，具有穩(wěn)固的數(shù)學基礎，由于其具有圖形化的模型表示形式、局部及分布式的學習機制、直觀的推理；適用于表達和分析不確定性和概率性的事物；能夠?qū)Σ煌耆?、不精確或不確定的知識或信息做出有效的推理等特性，而成為目前不確定知識表達和推理領域最有效的模型之一。如何通過有效的方法和算法利用現(xiàn)實數(shù)據(jù)學習貝葉斯網(wǎng)絡，并準確地表達蘊含在數(shù)據(jù)中有價值的信息

2、是目前研究的熱點和難點。本文采用基于信息論的方法進行貝葉斯網(wǎng)絡的結構學習，并針對其當節(jié)點集越大，計算效率越低的缺點采用PCA降維，減少節(jié)點集的數(shù)量，提高算法的效率，主要工作如下： 1、用模糊聚類對連續(xù)數(shù)據(jù)或混合數(shù)據(jù)進行離散化；對數(shù)據(jù)集用PCA主元分析算法進行降維，減少其中節(jié)點的個數(shù)； 2、運用Gibbs抽樣算法對數(shù)據(jù)集中的缺失數(shù)據(jù)進行補充，用基于信息論的方法學習貝葉斯網(wǎng)絡結構； 3、用分類實驗驗證基于PCA的貝葉

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論