注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据挖掘分类建模算法——贝叶斯分类算法

  2. 数据挖掘分类建模中应用广泛的分类算法，而且效果也不错！

  3. 所属分类：其它

    • 发布日期：2009-11-08
    • 文件大小：2097152
    • 提供者：gdufs_iiip

  1. 数学建模-贝叶斯估计-算法-统计学

  2. 形象的刻画了，贝叶斯方法 在明确后验分布或后验分布函数、分布密度函数()1,,nXXξθ…后，开始构造未知参数0θ的估计ˆθ。最常用的估计方法是取后验分布的均值。

  3. 所属分类：其它

    • 发布日期：2010-07-18
    • 文件大小：104448
    • 提供者：luiyedao

  1. 贝叶斯网络建模工具BNT 1.0.2

  2. matlab开源的贝叶斯网络建模工具，支持离散、连续等类型的节点，各种推理引擎和学习算法。Matlab 7.1 下测试可用。

  3. 所属分类：管理软件

    • 发布日期：2011-05-19
    • 文件大小：1048576
    • 提供者：hermes1986

  1. 贝叶斯算法检测目标

  2. 是一个使用贝叶斯建立背景模型的算法 是matlab文件 对于学习目标检测的人来说非常有用

  3. 所属分类：其它

    • 发布日期：2012-03-06
    • 文件大小：7168
    • 提供者：flowfish1008

  1. 贝叶斯网络算法及建模应用

  2. 贝叶斯网络算法及建模应用，数据挖掘

  3. 所属分类：讲义

    • 发布日期：2015-02-15
    • 文件大小：2097152
    • 提供者：stephaine001

  1. 基于贝叶斯框架的目标检测

  2. 实现基于贝叶斯框架的目标检测技术研究，创建了GUI界面，实现了时间差分法、背景减除法、光流法、高斯背景建模算法等多种算法处理效果对比，还实现了灰度处理、二值化等多种图像处理功能

  3. 所属分类：机器学习

    • 发布日期：2018-10-06
    • 文件大小：156237824
    • 提供者：lxj11238110

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：312320
    • 提供者：abacaba

  1. 基于SPSS的贝叶斯逐步线性判别法在煤炭种类识别中的应用

  2. 利用统计软件SPSS的逐步判别分析功能筛选出判别无烟煤、烟煤、褐煤的主要指标——氢含量和氧含量,以该指标为变量建立贝叶斯逐步线性判别函数,并采用该函数分别对建模样本和测试样本进行识别。识别结果显示:基于SPSS软件的贝叶斯逐步线性判别法的分类识别结果正确率为100%,优于模糊识别等算法。SPSS软件具有建模速度快、易操作、精确度高等优点,值得推广和应用。

  3. 所属分类：其它

    • 发布日期：2020-06-16
    • 文件大小：158720
    • 提供者：weixin_38748740

  1. 贝叶斯网络在学生模型建模中的应用分析

  2. 将课程教学资源融合到学生模型构建中，描述了包括领域知识拓扑结构的建立、条件概率表学习算法的推理的详细过程，最终得到了学生模型中关于章节知识项的贝叶斯网络结构图，并通过一个实验系统对个性化教学系统中学生模型建构的整个框架的可行性进行了验证。

  3. 所属分类：其它

    • 发布日期：2020-10-26
    • 文件大小：162816
    • 提供者：weixin_38743054

  1. 用Python从零实现贝叶斯分类器的机器学习的教程

  2. 朴素贝叶斯算法简单高效，在处理分类问题上，是应该首先考虑的方法之一。 通过本教程，你将学到朴素贝叶斯算法的原理和Python版本的逐步实现。 更新：查看后续的关于朴素贝叶斯使用技巧的文章“Better Naive Bayes: 12 Tips To Get The Most From The Naive Bayes Algorithm” 朴素贝叶斯分类器，Matt Buck保留部分版权 关于朴素贝叶斯 朴素贝叶斯算法是一个直观的方法，使用每个属性归属于某个类的概率来做预测。你可以使用这种监督性学

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：177152
    • 提供者：weixin_38741075

  1. 一步一步机器学习（三）：生成式学习算法

  2. 生成式学习算法与判别式学习在底层逻辑上有很大区别。生成式学习算法对于特征分布的建模，其思想是“知其然，也知其所以然”，采用贝叶斯推断（Bayes Rule）作为算法核心其实更体现出这是一种人工指导学习规则的学习算法，与大家熟知的“一步步减小损失函数”有很大的不同。具体看笔记。 生成式学习算法总结如下 最后，关于朴素贝叶斯算法(Naïve Bayes),推荐一篇解释生动形象的博文，希望对大家理解算法本质有一定帮助。(果然要举例子的解释才是好的解释)，链接如下： 彻底理解朴素贝叶斯算法 作

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：866304
    • 提供者：weixin_38730331

  1. 采用贝叶斯–克里金–卡尔曼模型的多风电场风速短期预测

  2. 精确的短期风速预测对可靠安全的电力系统运行很重要。传统的预测方法没有考虑空间相邻风电场的信息。然而,多个风电场的风速在时间和空间上是相关的。该文给出了一个采用贝叶斯克里金卡尔曼模型的短期风速预测方法。由主克里金函数构成的空域结构使用贝叶斯层次结构进行建模,同时应用状态空间模型对时域动态性进行建模。采用计算速度更有效的变分贝叶斯方法来逼近推断和学习模型参数。在公开的多风电场数据集上评估提前1h的风速预测性能,与持续预测算法进行比较的结果显示了该文提出的方法在均方根误差评价指标上的改善。

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：342016
    • 提供者：weixin_38626928

  1. 基于动态贝叶斯网络的列车地面通信子系统实时可靠性评估方法

  2. 列车地面通信子系统是高速列车控制系统中的关键子系统，在高速列车运行中起着重要的作用。因此，应深入研究列车地面通信子系统的可靠性。基于子系统结构图建模的列车地面通信子系统动态故障树模型被转换为动态贝叶斯网络。之后，利用贝叶斯网络的推理算法可以得到最高事件的概率，通过逆向推理算法可以得到系统故障前提下子设备的故障概率，为故障定位提供参考信息。仿真表明，通过动态贝叶斯网络方法可以随时获得火车地面通信子系统的可靠性，因此我们可以对火车地面通信子系统进行实时可靠性评估。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：278528
    • 提供者：weixin_38651929

  1. 基于贝叶斯压缩感知的ISAR自聚焦成像

  2. 针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38543460

  1. 基于马尔可夫链蒙特卡洛的复值贝叶斯参数估计

  2. 对指定模型的参数估计的研究历史悠久。 在统计中，通过马尔可夫链蒙特卡洛（MCMC）采样进行的贝叶斯分析是一种有效的参数估计方法。 但是，现有的MCMC采样仅在实参空间中执行。 在某些情况下，复数值参数化建模更为可取，因为复数表示带来了实值表示无法实现的经济性和见解。 因此，要估计复数值参数，在复参数空间中执行MCMC采样会更加方便和优雅。 在本文中，首先，基于观测信号正确的假设，提出了两种使用Metropolis-Hastings采样和差分演化的复杂MCMC算法，其中贝叶斯估计中的概率密度函数（

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：804864
    • 提供者：weixin_38500709

  1. 大规模网络广义社区发现随机变分推理算法

  2. 流行度-生成度随机块(popularity-productivity stochastic block,PPSB)模型能发现网络广义社区,但该模型易过拟合,且不能有效处理大规模网络,故提出一个3层贝叶斯网络广义社区发现(generalized PPSB,GPPSB)模型,并给出实现大规模链接网络和内容网络广义社区发现的随机变分推理(stochastic variational inference,SVI)算法GPPSB-SVI和GPPSB-C-SVI。不同规模人工网络和实际网络上的实验结果表明:

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38640794

  1. SBICgraph：结构性贝叶斯信息准则（SBIC），用于通过两步算法生成网络模型的网络模型中的模型选择-源码

  2. 输出 github_document SBIC：用于候选模型中模型选择的结构贝叶斯信息准则（SBIC） 该方法的R-package实现在Zhou等人的论文“高斯图形模型的信息增强模型选择及其在代谢组学数据中的应用”中提出。 2020年。 抽象的鉴于许多大型生物数据集的低信噪比性质，我们提出了一种使用高斯图形模型结合先验知识来学习关联网络结构的新颖方法。 我们的策略包括两个部分。 在第一部分中，我们提出了一种称为结构贝叶斯信息准则（SBIC）的模型选择准则，其中先验结构被建模并合并到贝叶斯信息

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：25600
    • 提供者：weixin_42115003

  1. 签名网络中社区建模和检测的贝叶斯方法

  2. 人们对探索具有正向和负向链接的签名网络的兴趣与日俱增，因为它们比未签名的网络包含更多的信息。 作为签名网络分析的基本问题，社区检测和符号（或态度）预测仍然是主要挑战。 为了解决这些问题，我们提出了一种生成贝叶斯方法，其中：1）提出了一种带符号的随机块模型，通过明确地表示从一个随机的符号链接的密度和受挫程度的分布，来描述带符号网络的社区结构。 2）通过理论推导用于参数估计的变分贝叶斯EM和用于模型选择的基于变分的近似证据，提出了一种模型学习算法。 通过与合成网络和现实网络中的最新方法进行比较，所提

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：332800
    • 提供者：weixin_38659622

  1. 一种基于正态反高斯模型的贝叶斯图像去噪方法

  2. 提出一种新的贝叶斯图像去噪方法,该方法以正态反高斯(NIG)模型为先验模型,对图像小波系数的稀疏分布统计建模,并用最大后验概率(MAP)估计法对小波系数进行估计。为了改善贝叶斯图像去噪的效果,还根据尺度间相关性的大小对小波系数分类进行处理。此外,还引入了递归循环平移(Cycle Spinning)算法对小波变换缺乏平移不变性产生的吉布斯现象进行抑制。实验结果表明该去噪算法能有效地去除图像中的高斯白噪声,更好地保留图像细节,提高图像的峰值信噪比值。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：1048576
    • 提供者：weixin_38652058

  1. 一种贝叶斯证据框架下支持向量机建模方法的研究

  2. 研究贝叶斯证据框架下标准支持向量机和最小二乘支持向量机的估计算法和建模方法, 给出一种高斯核支 持向量机估计算法的参数选择和调整方法. 将贝叶斯证据框架下支持向量机的建模方法应用于非线性系统的辨识, 仿真结果表明, 该方法对于工业过程建模是十分有效的.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：315392
    • 提供者：weixin_38539053
« 12 3 4 »