搜索资源列表
基于贝叶斯网络的半监督聚类集成模型
- 已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of Ca
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
bayes
- 贝叶斯网络学习参考资料，有详细的说明和讲解-Bayesian network learning references, contains a detailed descr iption and explain the
bys
- 基于贝叶斯网络的图像分割技术，非常实用的哦-Image segmentation based on Bayesian network technology
2
- 多特征信息融合的贝叶斯网络故障诊断方法研究-Multi-feature information fusion fault diagnosis method of Bayesian networks
beiyesipanduan
- 判别贝叶斯网络的学习算法及其应用研究 优秀硕士论文-Bayesian network learning algorithm identification and application of best master' s thesis
BCS-in-WSN
- 无线传感网络中，压缩感知数据恢复的一种贝叶斯分析，也许能用于分布式压缩感知-Wireless sensor networks, compressed sensing data recovery of a Bayesian analysis, may be used for distributed compressed sensing
Bayesian-network-mode-search
- 基于贝叶斯网络模型的用户兴趣联合推送，分析了用户兴趣模型的优势-Bayesian network model based on user interest joint push, analysis of the advantages of user interest model
routingwirelessnetworksBayesiangame
- 挺好的无线传感器网络关于贝叶斯判决进行路由的文章。-Fine articles on Bayesian routing of wireless sensor networks.
FECG-Extraction
- 胎儿心电信号提取，用贝叶斯方法，和神经网络接近。很详细！-FECG Extraction Using Bayesian Inference and Neural Networks Approximation
BP_nerual_network
- 通过gdm、LM以及贝叶斯正则化，进行BP神将网络-By gdm, LM and Bayesian regularization, for God BP Network
classificiation-algorithm-overview
- 机器学习领域经典分类算法综述，包括Decision Tree（ＩＤ３、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法），三种典型贝叶斯分类器（朴素贝叶斯算法、TAN算法、贝叶斯网络分类器），k-近邻 、 基于数据库技术的分类算法（ MIND算法、GAC-RDB算法），基于关联规则（CBA:Classification Based on Association Rule）的分类（Apriori算法），支持向量机分类，基于软计算的分类方法（粗糙集（rough set）、遗传
activity-recognition--based-on-hmm
- 一种HMM可以呈现为最简单的动态贝叶斯网络。隐马尔可夫模型背后的数学是由LEBaum和他的同事开发的。它与早期由RuslanL.Stratonovich提出的最优非线性滤波问题息息相关，他是第一个提出前后过程这个概念的。 在简单的马尔可夫模型（如马尔可夫链），所述状态是直接可见的观察者，因此状态转移概率是唯一的参数。在隐马尔可夫模型中，状态是不直接可见的，但输出依赖于该状态下，是可见的。每个状态通过可能的输出记号有了可能的概率分布。因此，通过一个HMM产生标记序列提供了有关状态的一些序
bnt
- 这是一个贝叶斯网络工具箱。贝叶斯网络能实现正向和反向推理，具有处理相关性的功能-It is a Bayesian network toolbox. Bayesian networks can achieve forward and backward reasoning, having treated correlation function
bayesian-network
- 贝叶斯网络可以与深度学习联合使用，也可以用于推理-bayesian network
iiqdk
- 基于人工神经网络的常用数字信号调制，包括主成分分析、因子分析、贝叶斯分析，毕设内容，高光谱图像基本处理。- The commonly used digital signal modulation based on artificial neural network, Including principal component analysis, factor analysis, Bayesian analysis, Complete set content, basic hyperspectra
gj862
- 采用加权网络中节点强度和权重都是幂率分布的模型，包括主成分分析、因子分析、贝叶斯分析，包含特征值与特征向量的提取、训练样本以及最后的识别。- Using weighted model nodes in the network strength and weight are power law distribution, Including principal component analysis, factor analysis, Bayesian analysis, Contains the
贝叶斯网络在煤矿生产系统中的应用
- 一篇关于贝叶斯网络应用在煤炭安全生产领域的论文