基于支持向量机特征选择的贝叶斯网结点序

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:chasel
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
目前较常采用搜索打分方法进行贝叶斯网络结构学习,该方法需要首先依据参与者的经验来确定网络的结点顺序,主观性较强,限制了它的实际应用。基于支持向量机特征选择的方法,可以按照各个结点对叶结点的影响能力进行排序,从而直接从数据中通过学习得出结点顺序,避免了人为因素的影响:实验结果验证了该方法的有效性:
其他文献
Grover量子搜索算法解决了未加整理的数据库搜索问题,在2^n个元素中搜索M个目标元素时,计算复杂度为O(√2^n/M)),相对于经典算法实现了二次加速,但Grover算法在目标元素个数接近
Web服务技术已成为大范围内异构资源共享和应用集成的关键支撑技术,面向服务的分布式仿真开发也逐渐成为M&S领域的一个热门研究课题。针对现有Web服务描述和发现技术在支持仿真
现有的基于网格聚类算法在付出较小的时间复杂度的同时,牺牲了聚类的质量,得到的往往并不是最理想的聚类结果,尤其是在簇边缘可能出现数据点聚类不准现象。提出了一种将网格化空