排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
利用基于粗糙集理论的统计关系学习方法, 解决了统计关系学习中归纳逻辑程序设计方法的不确定性问题, 并改进了粗糙集结合归纳逻辑程序设计的系列模
型, 从而得到更加准确的模型体系定义. 改进后的模型系列更合理完善. 相似文献
2.
基于后验概率的Markov逻辑网参数学习方法 总被引：1，自引：0，他引：1
通过介绍统计关系学习方法Markov逻辑网的理论模型和参数学习方法, 提出一种基于后验概率的参数估计方法, 该方法采用正态先验分布, 用伪似然概率替代似然概率, 通过最大化伪后验概率来学习模型参数. 实验结果表明, 该方法能够有效地学出模型参数, 且所得模型推理能力优于现有的参数学习方法. 相似文献
3.
利用含序粗集方法, 依据标准的优先序信息及标准间的支配关系, 解决了推导含序信息规则问题. 提出一种新的规则生成算法, 并与其他规则产生算法进行了简单对比. 算法按照后件由强到弱产生规则, 能保证生成极小规则, 在某种意义下规则集是完备和无冗余的. 相似文献
4.
给出计算二人博弈问题中单一纳什均衡的一种搜索算法, 用支付矩阵的秩数和条件占优行的个数限定待搜索策略对空间, 将该空间按一定规则排序, 通过对有序有限策略对空间进行搜索得到一个简单的纳什均衡. 相似文献
1