从实际应用角度出发研究基于限制性贝叶斯网络分类器的高效率和高精度的学习技术,基本达到可以在大规模实际数据库上应用的目的.主要研究内容包括:1)有效地确定限制性贝叶斯网络依赖关系方向性的方法;2) 研究在多离散随机变量依赖空间中,求解不对称依赖关系有向图的具有约束条件的接近最大生成森林算法,同时研究防止多层依赖传递导致依赖性减弱的策略;3)研究与应用准懒惰式学习技术;以及4) 显现模式技术在构造限制性贝叶斯网络中的应用技术.本项目的研究不仅对限制性贝叶斯网络学习技术具有重要意义,而且对其他学习模型的性能改进也具有一定的借鉴作用,同时对于一般网络优化问题也具有重要的理论与应用价值.
{{i.achievement_title}}
数据更新时间:2023-05-31
基于文献计量学和社会网络分析的国内高血压病中医学术团队研究
带有滑动摩擦摆支座的500 kV变压器地震响应
基于腔内级联变频的0.63μm波段多波长激光器
新型树启发式搜索算法的机器人路径规划
智能煤矿建设路线与工程实践
多任务贝叶斯网络学习及其应用
拥堵网络下基于贝叶斯学习的动态交通需求演化
基于贝叶斯网络和迁移学习的癫痫发作检测方法研究
基于贝叶斯网络的排列算法研究