《貝葉斯網路學習及數據分類》是2018年科學出版社出版的圖書，作者是李艷穎。
《貝葉斯網路學習及數據分類》是2018年科學出版社出版的圖書，作者是李艷穎。 內容簡介 《貝葉斯網路學習及數據分類》針對大數據網路的結構學習，提出基於條件獨立測試的學習貝葉斯網路框架的算法，研究了馬爾可夫等價祖先圖的共性，提出祖先圖的...
貝葉斯網路目前套用在模擬計算生物學（computational biology）與生物信息學（bioinformatics）基因調控網上（gene regulatory networks）、蛋白質結構（protein structure）、基因表達分析（gene expression analysis）、醫學（medicine）、檔案分類（...
套用貝葉斯網路分類器進行分類主要分成兩階段。第一階段是貝葉斯網路分類器的學習，即從樣本數據中構造分類器，包括結構學習和CPT學習；第二階段是貝葉斯網路分類器的推理，即計算類結點的條件機率，對分類數據進行分類。這兩個階段的時間複雜...
從更一般意義下研究網路結構的學習．因果貝葉斯網路結構模型的學習有時也稱為因果發現或因果挖掘這是因為數據的處理所獲得的結構模型反映了事物間因果關係的知識．從廣義的角度講，因果數據挖掘可以認為是從數據中發現有關因果性知識的過程...
貝葉斯網路與統計技術相結合，使得其在數據分析方面擁有了許多優點，與規劃挖掘、決策樹、人工神經網路、密度估計、分類、回歸和聚類等方法相比，貝葉斯網路的優點主要體現在：（1）貝葉斯網路使用圖形的方法描述數據間的相互關係，語義清晰，...
分類是數據分析和機器學習領域的一個基本問題。文本分類已廣泛套用於網路信息過濾、信息檢索和信息推薦等多個方面。數據驅動分類器學習一直是近年來的熱點,方法很多,比如神經網路、決策樹、支持向量機、樸素貝葉斯等。相對於其他精心設計的更...
《貝葉斯網路的結構學習，用於數據挖掘與知識發現》是依託武漢大學，由潘和平擔任項目負責人的面上項目。項目摘要 貝葉斯網路是機率專家系統核心，如何從數據中學習出一個結構最優的貝葉斯網路是該領域研究的難點和熱點。本研究旨在針對貝葉斯...
7.3貝葉斯網路詞義排歧框架/127 7.3.1基本分類方法的選擇/127 7.3一多分類器的選擇/128 7.3.3學習算法/130 7.4實驗方法和結果/131 7.4.1詞典資源和語料庫資源/131 7.4.2從語料庫抽取訓練數據/131 7.4.3實驗結果及分析...
12．2 樸素貝葉斯方法分類數值例子 12．3 本章的Python 代碼 12．4 習題 第13章 貝葉斯網路 13．1 概述 13．1．1 基本概念 13．1．2 貝葉斯網路的難點及優缺點 13．1．3 貝葉斯網路的一個簡單例子 13．2 學習貝葉斯網路 13．...
第4章以數據缺失條件下參數學習為重點，介紹了基於支持向量機的靜態BN和離散DBN參數學習算法。第三部分是貝葉斯網路及參數學習方法在UAV自主決策中的套用，包括第5章和第6章。第5章主要以戰場環境下UAV攻擊任務決策為主線，借鑑多模型建模...
第7章 診斷貝葉斯網路通用近似推理算法 7.1 概述 7.2 基於簇樹的精確推理算法 7.3 基於簇樹算法的通用近似推理算法 7.4 小結 第8章 診斷貝葉斯網路的結構學習 8.1 網路結構學習方法 8.2 不完整數據條件下的網路結構學習算法 ...
貝葉斯網路學習、推理與套用 《貝葉斯網路學習、推理與套用》是立信會計出版社出版的圖書，作者是王雙成。
第9章 貝葉斯算法和K-近鄰算法322 9.1 模型簡介322 9.2 貝葉斯分類算法325 9.2.1 文本數據準備與可視化325 9.2.2 樸素貝葉斯文本分類327 9.3 貝葉斯網路數據分類334 9.3.1 自定義貝葉斯網路結構334 9.3.2...
3.4.1 貝葉斯網路分類 3.4.2 基於貝葉斯網路分類的遙感數據變化檢測 3.4.3 ASTER數據的多層貝葉斯網路分類 3.4.4 航空影像的貝葉斯網路分類 3.5 貝葉斯網路分類方法與最大似然分類方法的對比 3.5.1 學習機制對比 3.5.2 方法...
主要介紹數據倉庫和數據挖掘技術的基本原理和套用方法，全書共分為12章，主要內容包括數據倉庫的概念和體系結構、數據倉庫的數據存儲和處理、數據倉庫系統的設計與開發、關聯規則、數據分類、數據聚類、貝葉斯網路、粗糙集、神經網路、遺傳算法...
6.2.3 數據處理與模型建立 6.2.4 結論 6.3 粗糙集與決策樹結合 6.3.1 引言 6.3.2 數據來源與數據預處理 6.3.3 模型建立與結果分析 6.3.4 結論與討論 6.4 基於貝葉斯網路分類器的地力分級研究 6.4.1 引言 6.4.2...
隨機森林（RF）作為機器學習重要算法之一，是一種利用多個樹分類器進行分類和預測的方法。近年來，隨機森林算法研究的發展十分迅速，已經在生物信息學、生態學、醫學、遺傳學、遙感地理學等多領域開展的套用性研究。人工神經網路（Artificial ...
9.2.2 學習貝葉斯網路 233 9.2.3 具體算法 235 9.2.4 用於快速學習的數據結構 237 9.3 聚類和機率密度估計 239 9.3.1 用於高斯混合模型的期望最大化算法 239 9.3.2 擴展混合模型 242 9.3.3 使用先驗分布聚類 243...
