分享到:

信度网分类器

分类问题是人工智能中机器学习研究的一个重要问题 ,它在模式识别、故障诊断以及数据挖掘等领域有着广泛的应用。利用信度网  (本文共5页) 阅读全文>>

重庆大学
重庆大学

基于信度网的不确定性推理、学习与分类研究

信度网是人工智能中不确定性知识表达和推理的核心方法。本论文详细研究了信度网精确推理、信度网学习和信度网分类有关内容。信度传播算法(BPA)是一种广泛用于树状信度网的精确推理算法。由于其局部计算特性,每个信度网节点可视为一个处理器进行并行运算。本文提出了一种新的BPA 计算模型,可以均衡的将计算负荷分配到实际的多处理器计算机上,从而得到一种高效的并行推理算法。一般信度网的精确推理是一个NPC 问题。算法的主要困难之处在于如何将一个图三角化分解并构造一个最小权join tree。本文提出一种新的三角化算法:MsLB-Triang。该算法利用三角化图的Dirac 性质和LB-单纯性质,可以计算具有更小的总权和总填充边的三角化分解,效果优于目前普遍采用的最小权启发式搜索算法。通过很多方法,可以从数据学习信度网结构。在利用遗传算法进行信度网结构学习时,有向无环图(DAG)的内部表示对学习效率具有重要的影响。直观的方法在整个DAG 空间中搜...  (本文共139页) 本文目录 | 阅读全文>>

哈尔滨理工大学
哈尔滨理工大学

基于规则的数据分类算法在铁路运输信息中的应用

随着我国铁路信息化建设的快速发展,铁路运输中产生的信息数据的规模迅速膨胀,且数据类型纷繁复杂,对铁路运输管理技术人员提出了全新的挑战。然而,目前铁路运输信息系统却只能提供一些常规查询和统计功能,还不具备对铁路运输信息进行实时分析和预测的能力,故无法完全满足铁路运输的实际需要。如何有效地组织和利用海量的铁路运输信息数据,揭示隐藏在数据背后本质联系,为铁路运输管理提供更为准确、直观的指导方案是铁路信息化建设亟待解决的重要课题,同时也是本论文研究的主旨所在。本文系统的介绍了数据挖掘领域的发展概况,阐述了基于统计的数据分类的一般内容。在充分比较分析了基于朴素贝叶斯和支持向量机两种统计分类算法的基础上,针对将它们应用于铁路运输信息数据分类时存在的一些问题进行了深入剖析。通过研究发现,当类别之间交叉现象比较严重时(即类间的特征重复较多时),分类器的精度会大大下降,尤其是在多层分类中,有些子类之间的特征交叉更为严重,即使在大类别基本正确的情况...  (本文共54页) 本文目录 | 阅读全文>>

《南华大学学报(自然科学版)》2006年01期
南华大学学报(自然科学版)

基于改进贝叶斯的垃圾邮件过滤算法综述

朴素贝叶斯分类器是机器学习中一种简单而又有效的分类方法,但是由于它的属性条件独立性假设在实际应用中经常不成立,这影响了它的分类性能,为此基于改进贝叶斯的垃圾邮件过滤算法已...  (本文共6页) 阅读全文>>

《计算机科学》2000年09期
计算机科学

一种新的知识表达模型——信度网

不确定知识的表达、处理是知识工程的一项重要任务。传统的不确定知识表达模型有模糊逻辑、可信度方法和神经网络等。人们...  (本文共4页) 阅读全文>>

《计算机系统应用》2009年03期
计算机系统应用

贝叶斯网络模型在反垃圾邮件中的应用

近些年,网络上的垃圾邮件肆意横行,令人深恶痛绝,因此反垃圾邮件就成了亟待解决的问题。而贝叶斯网络理论的研究为反垃圾邮件指出了一个明确方向。贝叶斯推断理论提供一种概率手段...  (本文共4页) 阅读全文>>