排序方式: 共有91条查询结果,搜索用时 15 毫秒
51.
52.
Bayesian网的结构学习是Bayesian网研究的难点之一.当问题中的变量较多时,通过结构学习得到的网络结构往往不具有唯一性.文中通过对Bayesian网结构等价性的研究,提出了Rudimentary结构等价性定理,并给出了该定理的证明.该等价性定理为提高结构学习的速度和优化Bayesian网的结构提供了理论依据.实验结果表明该定理具有较好的实用价值. 相似文献
53.
文章针对用于BN结构学习的MDL准则在继承性方面的不足,通过扩充DL测度的组成要素,在其中增加一项旨在反映目标网络结构与当前网络结构拓扑差异度的描述长度指标,改进MDL准则,使其具备处理先验知识的能力。 相似文献
54.
对样本所含信息的提取能力决定网络模型进行小样本分类的效果,为了进一步提高模型挖掘信息的能力,提出一种结合多尺度特征与掩码图网络的小样本学习方法。设计由1×1卷积、全局平均池化和跳跃连接组成的最小残差神经网络块,与卷积块拼接成特征提取器,以提取样本不同尺度的特征,并通过注意力机制将不同尺度特征融合;使用融合的多尺度特征构建包含结点与边特征的图神经网络,并在其中加入一个元学习器(meta-learner)用于生成边的掩码,通过筛选边特征来指导图结点聚类与更新,进一步强化样本特征;通过特征贡献度和互斥损失改进类在嵌入空间表达特征的求解过程,提升模型度量学习能力。在MiniImagenet数据集上,该方法 1-shot准确率为61.4%,5-shot准确率为78.6%,分别超过传统度量学习方法 12.0个百分点与10.4个百分点;在Cifar-100数据集上分别提升9.7个百分点和6.0个百分点。该方法有效提升了小样本学习场景下的模型分类准确率。 相似文献
55.
基于NGA的特征选择和SVM参数优化 总被引:1,自引:0,他引:1
支持向量机(SVM)的分类性能受样本的特征以及SVM本身参数的选择影响较大。在以前的工作中,很多学者对特征子集的选择以及SVM参数的优化分别进行了研究,实际上,特征子集和参数相互影响,针对这种情况,本文提出了一种同时进行特征子集选择以及参数优化的方法,该方法基于小生境遗传算法(NGA),对参数和特征采用不同的编码方法,对得到的每个参数以及对应的特征子集,使用SVM对其进行性能评价。使用UCI数据集进行了相关的实验,实验结果证明了该方法可以减少特征的数量以及提高分类正确率。 相似文献
56.
Bayes 网络推理结论的解释机制研究 总被引:1,自引:1,他引:0
提出一种关于Bayes网络的解释机制,用于解释证据对推理结论的作用程度、方向及路径.引入必要性和充分性因子作为度量来评价证据对推理结论的作用程度;通过定性分析网络结构特点,找出与推理结论有关的节点,在此基础上,结合定量分析找出组成作用路径的子链,并分析这些子链对推理结论的作用,由此生成和解释证据对推理结论的作用路径.实验结果验证了方法的有效性. 相似文献
57.
59.
60.
改进的Otsu算法在图像分割中的应用 总被引:12,自引:1,他引:11
针对二维Otsu自适应阈值算法计算复杂度高的问题,提出一种新的快速有效的Otsu图像分割改进算法。该算法通过求两个一维Otsu法的阈值来代替传统的二维Otsu法的分割阈值,使得分割的计算复杂度从O(L4)降到O(L)。为保证分割对象的完整性,算法引入类内最小离散度的概念,并通过遗传算法实现对参数的自动优化。理论分析和实验结果表明本算法计算速度不仅优于原二维Otsu算法,而且分割效果较好。 相似文献