检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

具有丢失数据的贝叶斯网络结构学习研究

软件学报 2004年第7期15卷 1042-1048页

作者：王双成苑森淼吉林大学计算机科学与技术学院吉林长春130025

目前主要基于EM算法和打分-搜索方法进行具有丢失数据的贝叶斯网络结构学习,算法效率较低,而且易于陷入局部最优结构.针对这些问题,建立了一种新的具有丢失数据的贝叶斯网络结构学习方法.首先随机初始化未观察到的数据,得到完整的数据集... 详细信息

目前主要基于EM算法和打分-搜索方法进行具有丢失数据的贝叶斯网络结构学习,算法效率较低,而且易于陷入局部最优结构.针对这些问题,建立了一种新的具有丢失数据的贝叶斯网络结构学习方法.首先随机初始化未观察到的数据,得到完整的数据集,并利用完整数据集建立最大似然树作为初始贝叶斯网络结构,然后进行迭代学习.在每一次迭代中,结合贝叶斯网络结构和Gibbssampling修正未观察到的数据,在新的完整数据集的基础上,基于变量之间的基本依赖关系和依赖分析思想调整贝叶斯网络结构,直到结构趋于稳定.该方法既解决了标准Gibbssampling指数复杂性问题,又避免了现有学习方法所存在的主要问题,为具有不完整数据的不确定性知识表示、推断和推理提供了有效和可行的方法.

关键词：贝叶斯网络结构学习丢失数据 Gibbs抽样依赖分析最大似然树

在线全文

学校读者我要写书评

暂无评论

小数据集贝叶斯网络多父节点参数的修复

计算机研究与发展 2009年第5期46卷 787-793页

作者：王双成冷翠平曹锋上海立信会计学院信息科学系上海201620 上海立信会计学院开放经济与贸易研究中心上海201620

具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,... 详细信息

具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,该方法首先使用Bootstrap抽样扩展小数据集,然后分别将Gibbs抽样与最大似然树和贝叶斯网络相结合,通过依次对扩展数据按一定比例的迭代修正来实现对多父节点参数的修复.实验结果表明,这种方法能够有效地使大部分多父节点参数得到修复.

关键词：贝叶斯网络小数据集参数学习 Gibbs抽样最大似然树

在线全文

学校读者我要写书评

暂无评论

具有丢失数据的可分解马尔可夫网络结构学习

计算机学报 2004年第9期27卷 1221-1228页

作者：王双成苑森淼吉林大学计算机科学与技术学院长春130025

具有丢失数据的可分解马尔可夫网络结构学习是一个重要而困难的研究课题 ,数据的丢失使变量之间的依赖关系变得混乱 ,无法直接进行可靠的结构学习 .文章结合最大似然树和Gibbs抽样 ,通过对随机初始化的丢失数据和最大似然树进行迭代修... 详细信息

具有丢失数据的可分解马尔可夫网络结构学习是一个重要而困难的研究课题 ,数据的丢失使变量之间的依赖关系变得混乱 ,无法直接进行可靠的结构学习 .文章结合最大似然树和Gibbs抽样 ,通过对随机初始化的丢失数据和最大似然树进行迭代修正调整 ,得到修复后的完整数据集 ;在此基础上基于变量之间的基本依赖关系和依赖分析思想进行可分解马尔可夫网络结构学习 ,能够避免现有的丢失数据处理方法和可分解马尔可夫网络结构学习方法存在的效率和可靠性低等问题 .试验结果显示 ,该方法能够有效地进行具有丢失数据的可分解马尔可夫网络结构学习 .

关键词：可分解马尔可夫网络结构学习丢失数据 Gibbs抽样最大似然树

在线全文

学校读者我要写书评

暂无评论

一种从不完备关系数据中学习PRM的方法

软件学报 2008年第1期19卷 73-81页

作者：李小琳周志华南京大学计算机软件新技术国家重点实验室江苏南京210093

现有的关系学习研究都是基于完备数据进行的,而现实问题中,数据通常是不完备的.提出一种从不完备关系数据中学习概率关系模型(probabilistic relational models,简称PRMs)的方法——MLTEC(maximum likelihood tree and evolutionary com... 详细信息

现有的关系学习研究都是基于完备数据进行的,而现实问题中,数据通常是不完备的.提出一种从不完备关系数据中学习概率关系模型(probabilistic relational models,简称PRMs)的方法——MLTEC(maximum likelihood tree and evolutionary computing method).首先,随机填充不完备关系数据得到完备关系数据.然后从每个随机填充后的数据样本中分别生成最大似然树并作为初始PRM网络,再利用进化过程中最好的网络结构反复修正不完备数据集,最后得到概率关系模型.实验结果显示,MLTEC方法能够从不完备关系数据中学习到较好的概率关系模型.

关键词：机器学习关系学矾不完备数据概率关系模型最大似然树进化计算

在线全文

学校读者我要写书评

暂无评论

棘腹蛙线粒体局部重复序列非排序聚类

四川动物 2018年第3期37卷 261-267页

作者：曹跃夏云郑渝池中国科学院成都生物研究所两栖爬行动物研究室成都610041 中国科学院大学北京100049

动物线粒体基因组发生局部串联复制后,涉及区域具有多基因拷贝、假基因化、大量插入缺失的特点,难以排序和构建基因树。而不依赖排序的聚类方法理论上可用来归纳和展示这类序列的差异,但未见相关评估和运用。本研究选取棘腹蛙Quasipaa b... 详细信息

动物线粒体基因组发生局部串联复制后,涉及区域具有多基因拷贝、假基因化、大量插入缺失的特点,难以排序和构建基因树。而不依赖排序的聚类方法理论上可用来归纳和展示这类序列的差异,但未见相关评估和运用。本研究选取棘腹蛙Quasipaa boulengeri 19号个体,以3类常用的基于特定长度(k)子序列集的非排序算法,依次设k值为4、6、8……20,对其轻链复制起点邻近复制区域583~695 bp的序列进行聚类。构建相同个体线粒体1 518 bp蛋白编码序列最大似然树为参照,计算和考查两者间拓扑结构距离和差异。所评估的28种算法中,半数可在主要为8的特定k值下产生和最大似然树拓扑结构相差仅2个节点(11.8%)的聚类树,部分算法在不同k值下均表现不佳,较小的k值(4)适合解析差异程度相对较高的序列间关系。这些结果例证了动物线粒体重复序列非排序聚类的可行性,其中的算法、k值理想组合可能适合类似系统。建议对其他类型的复制重排系统进行类似评估。

关键词：棘腹蛙线粒体DNA 非排序比对聚类重复序列拓扑结构距离蛋白编码序列最大似然树

在线全文

学校读者我要写书评

暂无评论

用于因果分析的混合贝叶斯网络结构学习

智能系统学报 2007年第6期2卷 82-89页

作者：王双成李小琳侯彩虹上海立信会计学院信息科学系上海201620 南京大学软件技术国家重点实验室江苏南京210093

目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合... 详细信息

目前主要结合扩展的熵离散化方法和打分-搜索方法进行混合贝叶斯网络结构学习,算法效率和可靠性低,而且易于陷入局部最优结构.针对问题建立了一种新的混合贝叶斯网络结构迭代学习方法.在迭代中,基于父结点结构和Gibbs sampling进行混合数据聚类,实现对连续变量的离散化,再结合贝叶斯网络结构优化调整,使贝叶斯网络结构序列逐渐趋于稳定,可避免使用扩展的熵离散化和打分-搜索所带来的主要问题.

关键词：因果分析混合贝叶斯网络最大似然树 Gibbs抽样