基于d-分隔的Credal推理网络约简算法研究

来源 :计算机科学 | 被引量 : 0次 | 上传用户:syris
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对Credal网络推理应用中出现的Credal集顶点组合爆炸等问题,系统地提出了Credal推理网络约简的概念,并利用Credal网络中变量间的d-分隔特性,通过变量间独立性验证,设计了求解大规模Credal推理网络约简的算法。应用实例表明,该算法简化了目标网络,有效规避了Credal集顶点组合爆炸问题,对特定推理问题具有适用性和可行性,提高了Credal网络推理的效率。
其他文献
有效和可靠的无线传感器网络重编程技术是解决大规模传感器网络难于管理和维护的重要途径。介绍了无线传感器网络重编程的概念和基本组件,提出了无线传感器网络重编程技术面临
目的:探讨〈10 kg的先天性心脏病患儿术后呼吸管理的方法和经验。方法:收集2004年2月至2012年8月收治的106例体重〈10 kg的先心病患儿在全麻低温体外循环下行畸形矫正术的临床
针对非平稳的数字调制信号,构造新的高阶交叉累量特征;利用神经网络的学习机制实现自适应模糊推理调制识别器的非线性动态建模;采取分层决策的级联结构,提高了特征与识别器的契合
在文本分类中,特征空间的维数通常高达几万,甚至远远超出训练样本的个数,这是一种十分普遍现象。为了提高文本挖掘算法的运行速度,降低占用的内存空间,过滤掉不相关或相关程度低的
在“数据流分析”这一数据挖掘的应用领域中,常规的算法显得很不适用。主要是因为这些算法的挖掘过程不能适应数据流的动态环境,其挖掘模型、挖掘结果不能满足实际应用中用户的
本文对传统的粗糙神经网络模型进行了改进,加入了具有不良信息过滤功能的隐单元,在此基础上提出了相应的网络入侵检测模型,充分发挥了粗糙集理论和神经网络的优势,弥补了各自的缺