期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合多数据源的非平稳动态贝叶斯网络学习算法
被引量：
2
1
作者
倪小虹
孙应飞
《小型微型计算机系统》
CSCD
北大核心
2014年第2期374-378,共5页
受数据数量、质量、实验设计、噪音和测量误差的影响,单一数据源所含的信息是有限的.通过单一的数据源推测并构建网络,往往面临着数据的信息量不够充分.另一方面,传统的动态贝叶斯网络模型要求数据是平稳的.但在现实中,非平稳的情况不...
受数据数量、质量、实验设计、噪音和测量误差的影响,单一数据源所含的信息是有限的.通过单一的数据源推测并构建网络,往往面临着数据的信息量不够充分.另一方面,传统的动态贝叶斯网络模型要求数据是平稳的.但在现实中,非平稳的情况不容忽视.于是我们提出了一个基于多源数据融合学习非平稳动态贝叶斯网络的算法.该算法首先通过Dempster-Shafer证据理论对多种数据源进行融合获得先验知识,然后利用改变点过程把整个非平稳过程分解成若干平稳子片断,最后运用可逆跳跃马尔可夫蒙特卡罗抽样算法学习连续动态贝叶斯网络的结构.在仿真数据和实验数据上测试该算法,并与其他学习方法进行比较,发现该算法提高了重构网络的精度.
展开更多
关键词
动态贝叶斯网络
DEMPSTER-SHAFER理论
基因调控网络
改变点过程
马尔可夫蒙特卡罗
下载PDF
职称材料
基于生物先验数据融合构建非平稳基因调控网络(英文)
2
作者
倪小虹
孙应飞
《中国科学院大学学报（中英文）》
CAS
CSCD
北大核心
2013年第6期806-812,共7页
为了构建基因调控网络,提出一个基于生物先验数据融合构建非平稳动态贝叶斯网络结构的方法.该方法基于高斯混合网络模型,改变点过程和独立的能量函数.利用可逆跳跃马尔科夫蒙特卡罗抽样算法,把整个非平稳过程分解成若干平稳子片断,推断...
为了构建基因调控网络,提出一个基于生物先验数据融合构建非平稳动态贝叶斯网络结构的方法.该方法基于高斯混合网络模型,改变点过程和独立的能量函数.利用可逆跳跃马尔科夫蒙特卡罗抽样算法,把整个非平稳过程分解成若干平稳子片断,推断网络结构以及先验数据对网络的影响.在仿真和生物数据上测试该方法,结果显示该方法提高了网络重构的精度.
展开更多
关键词
贝叶斯网络
基因调控网络
马尔科夫蒙特卡罗抽样
改变点过程
下载PDF
职称材料
题名
融合多数据源的非平稳动态贝叶斯网络学习算法
被引量：
2
1
作者
倪小虹
孙应飞
机构
北京联合大学基础部
中国科学院大学电子电气与通信工程学院
出处
《小型微型计算机系统》
CSCD
北大核心
2014年第2期374-378,共5页
基金
国家自然科学基金项目(60702035)资助
浙江省自然科学基金项目(Y6090164)资助
文摘
受数据数量、质量、实验设计、噪音和测量误差的影响,单一数据源所含的信息是有限的.通过单一的数据源推测并构建网络,往往面临着数据的信息量不够充分.另一方面,传统的动态贝叶斯网络模型要求数据是平稳的.但在现实中,非平稳的情况不容忽视.于是我们提出了一个基于多源数据融合学习非平稳动态贝叶斯网络的算法.该算法首先通过Dempster-Shafer证据理论对多种数据源进行融合获得先验知识,然后利用改变点过程把整个非平稳过程分解成若干平稳子片断,最后运用可逆跳跃马尔可夫蒙特卡罗抽样算法学习连续动态贝叶斯网络的结构.在仿真数据和实验数据上测试该算法,并与其他学习方法进行比较,发现该算法提高了重构网络的精度.
关键词
动态贝叶斯网络
DEMPSTER-SHAFER理论
基因调控网络
改变点过程
马尔可夫蒙特卡罗
Keywords
dynamic
Bayesian
networks
Dempster-Shafer
theory
gene
regulatory
networks
changepoint
process
Markov
chainMonte
Carlo
分类号
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于生物先验数据融合构建非平稳基因调控网络(英文)
2
作者
倪小虹
孙应飞
机构
中国科学院大学电子电气与通信工程学院
出处
《中国科学院大学学报（中英文）》
CAS
CSCD
北大核心
2013年第6期806-812,共7页
基金
Supported by the National Nature Science Foundation of China(60702035)
Nature Science Foundation of Zhejiang Province(Y6090164)
文摘
为了构建基因调控网络,提出一个基于生物先验数据融合构建非平稳动态贝叶斯网络结构的方法.该方法基于高斯混合网络模型,改变点过程和独立的能量函数.利用可逆跳跃马尔科夫蒙特卡罗抽样算法,把整个非平稳过程分解成若干平稳子片断,推断网络结构以及先验数据对网络的影响.在仿真和生物数据上测试该方法,结果显示该方法提高了网络重构的精度.
关键词
贝叶斯网络
基因调控网络
马尔科夫蒙特卡罗抽样
改变点过程
Keywords
Bayesian
networks
gene
regulatory
networks
Markov
chain
Monte
Carlo
changepoint
process
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合多数据源的非平稳动态贝叶斯网络学习算法
倪小虹
孙应飞
《小型微型计算机系统》
CSCD
北大核心
2014
2
下载PDF
职称材料
2
基于生物先验数据融合构建非平稳基因调控网络(英文)
倪小虹
孙应飞
《中国科学院大学学报（中英文）》
CAS
CSCD
北大核心
2013
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
