检索结果-内蒙古大学图书馆

作者：袁蕾长春工业大学

学位级别：硕士

图模型是与图相关的概率分布族,利用图来描述变量之间的条件独立关系。图模型中的贝叶斯网是一个有向无圈图,常用于表示变量之间的因果关系。本文利用三种图模型对高等教育课程中产生的课程成绩进行混合建模研究,将数学分析、高等代数... 详细信息

图模型是与图相关的概率分布族,利用图来描述变量之间的条件独立关系。图模型中的贝叶斯网是一个有向无圈图,常用于表示变量之间的因果关系。本文利用三种图模型对高等教育课程中产生的课程成绩进行混合建模研究,将数学分析、高等代数等百分制课程看作是连续变量,数学建模、学科概论等分级制课程成绩看作分类变量。通过探索性分析直观地得到课程之间的相关性。具体工作如下:第一种,我们基于指数族混合图模型中的高斯—多项混合模型对课程的成绩进行分析,探索课程之间的联系,发现不同课程之间存在着密切的相关关系。第二种,我们使用强可分解图模型和强可分解的森林模型挖掘进行分析,得出强可分解图模型能够描绘更加错综复杂的课程关系。第三种,根据课程开课学期的顺序,在不限定连续型变量不能作为属性变量的父节点的前提下,我们提出用线性回归和有序多项probit回归学习一个贝叶斯网的结构,可以直观的看出课程之间的相互影响。综上所述,从课程成绩出发采用三种图模型分析课程之间的相互关系。理清各门课程之间的关系,在教学过程中更能突出课程的重难点,对优化教师教学设计和教学方式改革以及学生选择适当的研究方向具有一定的实践指导意义。

关键词：混合图模型贝叶斯网强可分解模型课程关系

来源：评论

学校读者我要写书评

暂无评论

在不完全数据下混合图模型的参数估计

在不完全数据下混合图模型的参数估计

引用

作者：杜素贞北京大学

学位级别：硕士

现实生活中许多领域都有离散变量和连续变量同时出现的情况,可以归为一类模型—混合图模型,也就是既有离散变量又有连续变量的的图模型.McMichael,Liu& Pan(1999)在不考虑离散子结点有连续父结点的情况下,给出了在不完全数据下... 详细信息

现实生活中许多领域都有离散变量和连续变量同时出现的情况,可以归为一类模型—混合图模型,也就是既有离散变量又有连续变量的的图模型.McMichael,Liu& Pan(1999)在不考虑离散子结点有连续父结点的情况下,给出了在不完全数据下估计混合图参数的方法.但是许多实际领域中会有离散变量依赖于连续变量这种情况出现,万康(1997)讨论了混合图中离散子结点有连续父结点的情况下,由不完全数据估计参数的问题,给出了基于EM算法的估计方法.该文证明了给定连续变量时离散变量的条件分布的形式,考虑了连续变量是一维和两维的两种情况,然后给出了在不完全观测数据下估计给定连续父结点时离散子结点的条件分布的两种算法,通过计算数值实例比较这两种算法与EM算法的优劣.最后该文对混合图的学习所涉及的一些问题进行了讨论.

关键词：图模型混合数据混合图模型 CG分布 EM算法

来源：评论

学校读者我要写书评

暂无评论

基于混合图模型的统计学课程关系分析

引用

长春工业大学学报 2020年第3期41卷 219-223页

作者：袁蕾徐平峰单娜长春工业大学数学与统计学院吉林长春130012 东北师范大学心理学院吉林长春130024

分析某高校统计学专业学生31门课程的成绩,其中23门成绩为百分制,8门成绩为5级制。对5级制成绩忽略进行建模,利用混合图模型刻画课程之间的关系。

关键词：混合图模型可分解模型树模型森林模型课程关系

来源：评论

学校读者我要写书评

暂无评论

面向个性化推荐的两层混合图模型

面向个性化推荐的两层混合图模型

引用

2009年服务科学国际会议

作者：张少中陈德人浙江大学软件学院浙江宁波315100 江万里学院浙江宁波315100 浙江大学软件学院浙江宁波315100

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成一种混合图模型,并将该模型用于个性化推荐系统中.该混合图模型由两层组成,分别是用户层和商品层.其中小世界... 详细信息

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成一种混合图模型,并将该模型用于个性化推荐系统中.该混合图模型由两层组成,分别是用户层和商品层.其中小世界网络用于描述用户层内用户-用户结点间的关系,贝叶斯网络用于描述商品层内商品-商品结点以及层间用户-商品结点间的偏好关系.对小世界网络的用户聚类方法、贝叶斯网络结构和参数学习方法以及两层图模型的推荐算法进行描述,实验分析表明,该模型能够很好地表示用户-用户、商品-商品以及用户-商品间的关系,推荐结果具有良好的准确度.

关键词：小世界网络贝叶斯网络个性化推荐混合图模型聚类分析

来源：评论

学校读者我要写书评

暂无评论

概率图模型的表示理论综述

引用

电子学报 2016年第5期44卷 1219-1226页

作者：刘建伟黎海恩周佳佳罗雄麟中国石油大学(北京)自动化系北京102249 新华医药化工设计有限公司山东淄博255086

概率图模型结合概率论与图论的知识,利用图结构表示变量的联合概率分布,近年已成为不确定性推理的研究热点.随着概率图模型在实际领域中的应用日益增加,不同的任务和应用环境对概率图模型的表示理论提出了不同的新要求.本文总结出近年... 详细信息

概率图模型结合概率论与图论的知识,利用图结构表示变量的联合概率分布,近年已成为不确定性推理的研究热点.随着概率图模型在实际领域中的应用日益增加,不同的任务和应用环境对概率图模型的表示理论提出了不同的新要求.本文总结出近年来提出的多种概率图模型的表示理论.最后指出概率图模型的进一步研究方向.

关键词：概率图模型连续化非齐次化贝叶斯逻辑马尔可夫逻辑非参数化矩阵正态图模型 Copula函数混合图模型

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的物体识别

基于机器学习的物体识别

引用

作者：刘光灿上海交通大学

学位级别：博士

计算机视觉是人工智能领域的核心问题之一，它的目标是让计算机拥有人的视觉能力，也就是让机算计像人一样理解现实世界中的图像。计算机视觉在医学、工业、军事、航天等领域拥有广泛的应用。但是，根据人的视觉占用至少60%的人脑资源... 详细信息

计算机视觉是人工智能领域的核心问题之一，它的目标是让计算机拥有人的视觉能力，也就是让机算计像人一样理解现实世界中的图像。计算机视觉在医学、工业、军事、航天等领域拥有广泛的应用。但是，根据人的视觉占用至少60%的人脑资源这个事实，计算机视觉在学术界被认为是“人工智能完全”问题，或者至少是“人工智能困难”问题。在众多计算机视觉的问题中，广义的物体识别，即在任意环境下识别任意物体，又是最核心的问题之一。总的来说，物体识别是让计算机自动地把图像中的物体分类。这是个非常具有挑战性的问题，它也是很多应用问题的最紧要瓶颈所在，比如图片搜索问题。虽然世界上诸如麻省理工、斯坦福、耶鲁、剑桥、普林斯顿等众多非常有实力的研究机构已经研究这个问题多年，广义的物体识别问题还远远没有得到很好的解决。但是，从机器学习的角度来说，物体识别的问题至少在一定程度上是可行的。准确的说，只要能合适地抽取图像特征、合适地描述物体和找到合适的分类模型，实现一个能满足实际应用的物体识别系统是可行的。在这篇论文里，我们将介绍一个基于机器学习的物体识别系统原型。这个原型系统包括三个部分：物体分割子系统、物体描述子系统和一个分类器。在这三个要点上，我们创造性地提出了自己的方法：一个基于混合图模型（HGM）的物体分割算法、一个基于拉多表示的物体描述算法（RRFD）和一个称为神经编码分类器（NCC）的分类算法。随后，我们对这个基本原型系统做一些改进工作：包括基于低秩描述（LRR）的图像聚类算法、基于局部线性转换（LLT）的多标签分类算法和基于反馈嵌入（FE）的大规模相似图像查找技术。具体来说，本文的创新点有：我们提出了用于一般半指导分类的HGM （Hybrid Graph Model，混合图模型），并建立了一个有效的物体自动分割方法。根据我们所知，我们是第一个将混合图引入机器学习的人。不同于传统的物体分割方法，我们的基于HGM的方法是自动的，即不需要手动分割好的训练数据。这使得我们的物体识别系统更加实用。我们提出了基于Radon变换的物体描述算法，称为RRFD （Radon Repre-sentation Based Feature Description，基于拉多表示的特征描述）。在物体已经从图像中分割出来后，RRFD可以把物体的形状、颜色、纹理等信息综合地集成到一个维度比较低的特征向量中去，并由此而实现精确的物体识别。除此之外，RRFD也可以作为一个一般的特征描述算法，它可以描述任意一个图像区域。物体识别中的最后一个步骤是对特征向量进行分类。我们提出了基于神经编码的分类器，称为NCC（Neural Coding Classifier，神经编码分类器）。和传统的诸如SVM的分类算法相比，NCC不仅能够很好地处理测试数据与训练数据同分布的情况，也能更好地处理测试数据与训练数据概率分布不同的情况。实验结果表明，在测试数据和训练数据概率分布相同的情况下，NCC的分类精度度略微超过SVM；在测试数据和训练数据概率分布不同的情况下，NCC可以显著地超过SVM。当一张图像中可能含有多个类的物体时，物体识别中对应的分类问题就是一个MLC（Multi-Label Classification，多标签分类）问题。多标签分类问题可以用MOR（Multi Output Regression，多输出回归）模型来处理。我们提出了用于定义回归分析中损失函数的LLT（LocallyLinear Transformation，局部线性转换）机制，并在SVR（Support VectorRegression，支持向量回归）框架下提出了一种结合LLT和SVR的多输出回归算法，即所谓的LLT-SVR。LLT-SVR即提供了一种很好的多输出回归分析工具，又为我们的物体识别系统提供了一种有效的多标签分类器。为了提高物体识别系统的实用性，我们需要一种有效的图像聚类机制。我们首次提出了用于处理矩阵数据信号的LRR（Low-Rank Representation，低秩表示）。LRR是一种新的压缩传感（Compressed Sensor）技术，和传统的SR（Sparse Representation，稀疏表示）相比，LRR能更好的描述数据的整体结构，从而在诸如图像聚类之类的数据聚类问题中，LRR有明显的优势。基于LRR，我们提出了一种有效的图像聚类算法。除图像聚类外，LRR子空间分割算法也是一种基本的数据聚类法。更重要的是，LRR首次提出了“低秩”（Low Rank）准则。LRR不但在机器学习领域产生巨大的理论影响，而且在计算机视觉和图像处理领域有着广泛的应用。为了提高物体识别系统的运行速度，我们需要一种高速的相似图像查找技术。我们提出了称为FE（Feedba

关键词：物体识别机器学习混合图模型拉多表示局部线性变换神经编码分类器低秩表示反馈嵌入

来源：评论

学校读者我要写书评

暂无评论

基于随机游走模型的物体识别

引用

计算机工程与应用 2013年第21期49卷 145-151页

作者：林霄肖国强吴松邱开金西南大学计算机信息科学学院重庆400715

针对传统物体识别算法中只依赖于视觉特征进行识别的单一性缺陷,提出了一种结合先验关系的物体识别算法。在训练阶段,通过图模型结构化表示先验关系,分别构建了图像—图像、语义—语义两个子图以及两子图之间的联系,利用该图模型建立随... 详细信息

针对传统物体识别算法中只依赖于视觉特征进行识别的单一性缺陷,提出了一种结合先验关系的物体识别算法。在训练阶段,通过图模型结构化表示先验关系,分别构建了图像—图像、语义—语义两个子图以及两子图之间的联系,利用该图模型建立随机游走模型;在识别阶段,建立待识别图像与随机游走模型中的图像节点和语义节点的关系,在该概率模型上进行随机游走,将随机游走的结果作为物体识别的结果。实验结果证明了结合先验关系的物体识别算法的有效性;提出的物体识别算法具有较强的识别性能。

关键词：物体识别先验关系混合图模型随机游走模型

来源：评论

学校读者我要写书评

暂无评论

基于先验知识的物体识别方法研究

基于先验知识的物体识别方法研究

引用

作者：林霄西南大学

学位级别：硕士

随着多媒体技术在计算机领域内的高速发展和其在军事、医学、交通等方面的广泛应用,计算机视觉成为近年来一个备受关注的研究领域,它也促使了机器学习、人工智能、机器人等相关领域的研究的进一步发展。而在计算机视觉中关于物体识别的... 详细信息

随着多媒体技术在计算机领域内的高速发展和其在军事、医学、交通等方面的广泛应用,计算机视觉成为近年来一个备受关注的研究领域,它也促使了机器学习、人工智能、机器人等相关领域的研究的进一步发展。而在计算机视觉中关于物体识别的研究又是该领域中最富挑战性的研究课题,它包括在计算机中对物体表示方法的研究,以及对计算机识别物体的方法研究,还涉及了图像处理、机器学习、模式识别等多个复杂学科。同时,关于物体识别的研究又是计算机视觉中最有意义的研究课题,它在军事和民用中都有着广泛的需求,如车辆的自动驾驶、智能监控系统、互联网上的图像视频的检索等。这使得关于该课题的研究内容受到国内外学者的广泛关注。本文主要的研究内容是：通过对计算机中的数字图像进行分析,完成对图像中物体的识别。论文中介绍了物体识别中所涉及到的基本理论与方法,分析了当前国内外的研究现状、所面临的困难与挑战,并针对传统物体识别算法中只依赖于视觉特征进行识别的单一性缺陷,提出了一种结合先验关系的物体识别算法。算法分为机制建立和数据测试两个阶段。在机制建立阶段,首先通过图像间的全局相似性构建了图像与图像之间的关系,并建立了图像相似性图模型；其次,利用先验知识完成对本体的构建,并量化地描述了语义与语义间的关系,建立了语义相似性图模型；然后通过对图像进行分割,获取图像中有意义的子区域,并对多种类别的物体进行训练,用训练得到的分类器得到物体所在图像与语义间的弱语义关系,从而将图像相似性图模型与语义相似性图模型连接起来构成混合图模型；最后通过对混合图模型的概率化表示构建了随机游走模型。在识别阶段,首先建立待识别图像与随机游走模型中的图像节点和语义节点之间的关系,并在该概率模型上进行随机游走,将随机游走的结果作为物体识别的结果。实验结果证明了本文所提出的结合先验关系的物体识别算法的有效性。同时,本文提出的物体识别算法较传统基于视觉特征的物体识别算法具有更强的识别性能。

关键词：物体识别先验关系本体混合图模型随机游走模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：