期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
有界树宽的贝叶斯网络结构近似学习研究进展 被引量:1
1
作者 王慧玲 綦小龙 《伊犁师范学院学报(自然科学版)》 2018年第1期62-66,共5页
概率图模型在机器学习和决策论尤其是不确定性领域中作用日益突出,如果能够有效地使用模型的表示、推断、学习等能力,可以建立适应不同问题域的智能系统.贝叶斯网络是这些模型使用最广泛的一类,由于其学习和推断的复杂性,近几年,从数据... 概率图模型在机器学习和决策论尤其是不确定性领域中作用日益突出,如果能够有效地使用模型的表示、推断、学习等能力,可以建立适应不同问题域的智能系统.贝叶斯网络是这些模型使用最广泛的一类,由于其学习和推断的复杂性,近几年,从数据中学习有界树宽的贝叶斯网络结构引起了研究者广泛关注.就目前有界树宽的贝叶斯网络结构近似学习技术做了深入的探讨并且归纳了有界树宽的贝叶斯网络结构学习亟待解决的两个问题. 展开更多
关键词 贝叶斯网络结构 有界树宽 K-tree
下载PDF
基于Dandelion编码生成有界树宽CP-nets
2
作者 李丛丛 刘惊雷 《计算机应用》 CSCD 北大核心 2021年第1期112-120,共9页
针对条件偏好网络(CP-nets)图模型在进行推理运算时的高时间复杂度的问题,提出了一种基于Dandelion编码生成有界树宽的CP-nets(BTW-CP-nets Gen)算法。首先,通过Dandelion编码与树宽为k的树结构(ktree)之间的双向映射原理推导出Dandelio... 针对条件偏好网络(CP-nets)图模型在进行推理运算时的高时间复杂度的问题,提出了一种基于Dandelion编码生成有界树宽的CP-nets(BTW-CP-nets Gen)算法。首先,通过Dandelion编码与树宽为k的树结构(ktree)之间的双向映射原理推导出Dandelion编码与k-tree之间的解码与编码算法,实现编码与树结构的一对一映射;其次,利用k-tree来约束CP-nets结构的树宽,并利用k-tree的特征树得到了CP-nets的有向无环图结构;最后,利用离散多值函数的双射计算出各CP-nets结构节点的条件偏好表,然后针对生成的有界树宽CP-nets进行占优查询检测。理论分析和实验数据表明,与Pruffer编码生成k-tree(Pruffer code)算法相比,BTW-CP-nets Gen算法的运行时间在生成简单结构和复杂结构时的下降幅度分别为21.1%和30.5%;而BTW-CP-nets Gen算法所生成的图模型在进行占优查询时的节点遍历比在简单结构和复杂结构上分别提高了18.48%和29.03%。BTW-CP-nets Gen算法在更短的时间内,占优查询时遍历的节点率更高。可见,BTW-CP-nets Gen算法在图模型的推理中能够有效提高算法效率。 展开更多
关键词 有界树宽 K-tree Dandelion编码 条件偏好网络 均匀性
下载PDF
限制树宽图上的有界聚类
3
作者 李曙光 周彤 《计算机科学》 CSCD 北大核心 2011年第11期241-244,共4页
有界聚类问题源于IBM研究院开发的一个分布式流处理系统,即S系统。问题的输入是一个点赋权和边赋权的无向图,并指定若干个称为终端的顶点。称顶点集合的一个子集为一个子类。子类中所有顶点的权和加上该子类边界上所有边的权和称为该子... 有界聚类问题源于IBM研究院开发的一个分布式流处理系统,即S系统。问题的输入是一个点赋权和边赋权的无向图,并指定若干个称为终端的顶点。称顶点集合的一个子集为一个子类。子类中所有顶点的权和加上该子类边界上所有边的权和称为该子类的费用。有界聚类问题是要得到所有顶点的一个聚类,要求每个子类的费用不超过给定预算B,每个子类至多包含一个终端,并使得所有子类的总费用最小。对于限制树宽图上的有界聚类问题,给出了拟多项式时间精确算法。利用取整的技巧对该算法进行修正,可在多项式时间之内得到(1+ε)-近似解,其中每个子类的费用不超过(1+ε)B,ε是任意小的正数。如果进一步要求每个子类恰好包含一个终端,则所给算法可在多项式时间之内得到(1+ε)-近似解,其中每个子类的费用不超过(2+ε)B。 展开更多
关键词 近似算法 流处理 有界聚类 限制树宽图 动态规划
下载PDF
CP-nets学习的复杂度 被引量:3
4
作者 刘惊雷 廖士中 《计算机科学》 CSCD 北大核心 2018年第6期211-215,共5页
CP-nets是一种简单且直观的图形化偏好表示工具,其表示、推理和学习是3个基本问题。不同于基于统计学习理论的研究方法,文中基于逻辑理论来研究二值CP-nets的学习问题。首先,建立命题公式的可满足性和CPnets表示的偏好公式之间的联系,将... CP-nets是一种简单且直观的图形化偏好表示工具,其表示、推理和学习是3个基本问题。不同于基于统计学习理论的研究方法,文中基于逻辑理论来研究二值CP-nets的学习问题。首先,建立命题公式的可满足性和CPnets表示的偏好公式之间的联系,将CP-nets的学习问题转化为命题的推理问题。随后,给出两类具有特殊结构的CP-nets的学习问题的计算复杂度,其中最复杂的无环CP-nets上的学习问题是NP-complete,而最简单的集合结构CP-nets上的学习问题是P。这些结论给出了CP-nets(如链结构、有界树宽)学习问题复杂度的上下界。 展开更多
关键词 二值条件偏好网 推理与学习 命题公式的可满足性 有界树宽的CP-nets 复杂度的上下界
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部