排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
针对现有学习方法主要用于先验网和一阶转换网,且对于多变量复杂转换网其效率和可靠性难以得到保障等问题,建立了一种从向量时间序列数据中发现多阶转换网的方法.在给出多阶数据集构造方法的基础上,通过条件相对平均熵计算建立完全有向无环图,并基于完全有向无环图排序结点,在结点顺序的基础上,通过局部打分-搜索建立转换网.这种方法将更加高效、可靠和实用. 相似文献
2.
无向马尔科夫毯结构是属性和类变量之间的最重要依赖结构之一,建立无向马尔科夫毯分类器的核心是无向马尔科夫毯结构学习。针对现有无向马尔科夫毯结构学习方法具有低效率和可靠性,以及不具实用性等问题,基于贝叶斯网络理论、马尔科夫网络理论和依赖分析方法进行具有多项式复杂度的无向马尔科夫毯结构和分类器学习,来避免这些问题。并建立最优性定理、可转换定理、可靠性定理和局部化定理为其提供理论依据。同时,对小例子集情况,给出了近似学习方法,并将无向马尔科夫毯分类器扩展为联合分类器,以有效地进行小例子集分类。 相似文献
3.
采用了一种新的网络数据传输协议, 即输入与输出数据均打包传送. 在这种通讯协议下, 讨论了网络化系统的预测控制器的设计, 并作了稳定性分析. 证明了观测器与增广系统状态反馈的设计满足分离原理, 利用线性矩阵不等式给出了相应的控制器的设计. 通过一个数值例子验证该方法的有效性. 相似文献
4.
5.
1