排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
目前较常采用搜索打分方法进行贝叶斯网络结构学习,该方法需要首先依据参与者的经验来确定网络的结点顺序,主观性较强,限制了它的实际应用。基于支持向量机特征选择的方法,可以按照各个结点对叶结点的影响能力进行排序,从而直接从数据中通过学习得出结点顺序,避免了人为因素的影响。实验结果验证了该方法的有效性。 相似文献
2.
一种改进的耗散粒子群算法 总被引:2,自引:0,他引:2
耗散粒子群算法是一种结合自组织耗散理论的粒子群算法。它使用负熵构造一个开放式耗散系统来提高算法的全局搜索能力。文章深入分析了耗散粒子群算法进入耗散状态的边界条件,以及影响算法收敛速度和搜索能力的若干因素,给出了一种改进的耗散粒子群算法。实验结果表明,改进算法和原有算法相比显著地提高了算法的全局搜索能力和寻优能力,并且在高维情况下有更好的收敛性。 相似文献
3.
基于BP神经网络的社团分类研究 总被引:1,自引:1,他引:0
社团分类对研究复杂网络及其特性具有重要意义,为此提出将神经网络的分类特性应用于社团分类中,以BP神经网络为模型,以Zachary研究的俱乐部成员关系网络为测试数据,利用社团节点与神经网络节点之间关系的相似性模拟社团分类结果,根据成员关系图建立邻接矩阵,利用邻接矩阵关系进行实验设计建立BP神经网络,通过已知样本学习和检验样本检验,实现成员关系网络的分类模拟,数值实验结果表明文章运用的仿真方法是可行有效的. 相似文献
4.
为了形象直观的了解脑功能记忆小世界网络的形成及演化机制,采用复杂网络确定性建模的方法对记忆过程进行模拟,通过记忆节点及连边的抽取,建立符合记忆解剖特征和逻辑意义的连边机制.以集合为数据结构的建模算法仿真了小世界特性的记忆网络,同时数据元素的检索算法符合记忆特征.通过理论分析和数据仿真表明对脑功能记忆网络进行确定性建模是可行的. 相似文献
5.
目前,学习具有丢失数据的贝叶斯网络结构主要采用结合EM算法的打分-搜索方法和基于依赖分析的思想,其效率和可靠性比较低.本文针对此问题建立一个新的具有丢失数据的贝叶斯网络结构学习算法.该方法首先根据贝努里分布来表示数据库中变量结点之间的关系,并用Kullback-Leibler(KL)散度来表示同一结点的各个案例之间的相似程度,然后根据Gibbs取样来得出丢失数据的取值.最后,用启发式搜索完成贝叶斯网络结构的学习.该方法能够有效避免标准Gibbs取样的指数复杂性问题和现有学习方法存在的主要问题. 相似文献
6.
7.
8.
随着磁共振成像技术在人类认知研究中的广泛应用,神经信息学家已经积累了大量的脑科学实验数据.如何有效地纽织和共享这些数据,并在此基础上发现新的数据结构、揭示隐藏的逻辑关系,成为当前科学研究的趋势.汉语认知数据库是2002年10月为此目的建立的,其主要目标是使从事神经科学研究者可以方便的共享功能磁共振脑成像数据. 相似文献
9.
新的贝叶斯网络结构学习方法 总被引:3,自引:0,他引:3
贝叶斯网络是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的表示模型,它描述了数据项及数据项之间的非线性依赖关系.报告了贝叶斯网络研究的现状,并针对传统算法需要主观规定网络中结点顺序的缺点,提出了一个新的可以在无约束条件下,根据观测得到的训练样本集的概率关系,自动完成学习贝叶斯网络结构的新方法. 相似文献
10.
具有丢失数据的贝叶斯网络结构学习算法 总被引:2,自引:0,他引:2
学习具有丢失数据的贝叶斯网络结构主要采用结合 EM 算法的打分一搜索方法,其效率和可靠性比较低.针对此问题建立一个新的具有丢失数据的贝叶斯网络结构学习算法.该方法首先用 Kullback-Leibler(KL)散度来表示同一结点的各个案例之间的相似程度,然后根据 Gibbs 取样来得出丢失数据的取值.最后,用启发式搜索完成贝叶斯网络结构的学习.该方法能够有效避免标准 Gibbs 取样的指数复杂性问题和现有学习方法存在的主要问题. 相似文献