检索结果-内蒙古大学图书馆

计算机学报 2005年第9期28卷 1564-1569页

作者：王双成上海立信会计学院信息科学系上海201600

目前,具有已知结构的隐藏变量学习主要针对具有离散变量的贝叶斯网和具有连续变量的高斯网.该文给出了具有连续和离散变量的混合贝叶斯网络隐藏变量学习方法.该方法不需要离散化连续变量,依据专业知识或贝叶斯网络道德图中Cliques的维... 详细信息

目前,具有已知结构的隐藏变量学习主要针对具有离散变量的贝叶斯网和具有连续变量的高斯网.该文给出了具有连续和离散变量的混合贝叶斯网络隐藏变量学习方法.该方法不需要离散化连续变量,依据专业知识或贝叶斯网络道德图中Cliques的维数发现隐藏变量的位置,基于依赖结构(星形结构或先验结构)和Gibbs抽样确定隐藏变量的值,结合扩展的MDL标准和统计方法发现隐藏变量的最优维数.实验结果表明,这种方法能够有效地进行具有已知结构的混合贝叶斯网络隐藏变量学习.

关键词：隐藏变量混合贝叶斯网络依赖结构 Gibbs抽样 MDL标准

来源：评论

学校读者我要写书评

暂无评论

无向马尔科夫毯分类器与集成

引用

系统工程与电子技术 2008年第7期30卷 1333-1338页

作者：王双成冷翠平刘凤霞上海立信会计学院信息科学系上海201620 上海立信会计学院工商管理系上海201620

无向马尔科夫毯结构是属性和类变量之间的最重要依赖结构之一,建立无向马尔科夫毯分类器的核心是无向马尔科夫毯结构学习。针对现有无向马尔科夫毯结构学习方法具有低效率和可靠性,以及不具实用性等问题,基于贝叶斯网络理论、马尔科夫... 详细信息

无向马尔科夫毯结构是属性和类变量之间的最重要依赖结构之一,建立无向马尔科夫毯分类器的核心是无向马尔科夫毯结构学习。针对现有无向马尔科夫毯结构学习方法具有低效率和可靠性,以及不具实用性等问题,基于贝叶斯网络理论、马尔科夫网络理论和依赖分析方法进行具有多项式复杂度的无向马尔科夫毯结构和分类器学习,来避免这些问题。并建立最优性定理、可转换定理、可靠性定理和局部化定理为其提供理论依据。同时,对小例子集情况,给出了近似学习方法,并将无向马尔科夫毯分类器扩展为联合分类器,以有效地进行小例子集分类。

关键词：分类器贝叶斯网络马尔科夫网络马尔科夫毯

来源：评论

学校读者我要写书评

暂无评论

具有隐藏变量的贝叶斯网络结构学习

引用

模式识别与人工智能 2006年第5期19卷 561-566页

作者：王双成刘喜华唐海燕上海立信会计学院信息科学系上海201620 青岛大学经济学院青岛266071 上海立信会计学院

目前,学习具有隐藏变量的贝叶斯网络结构主要采用结合 EM 算法的打分-搜索方法,其效率和可靠性低.本文针对此问题建立一种新的具有隐藏变量贝叶斯网络结构学习方法.该方法首先依据变量之间基本依赖关系、基本结构和依赖分析思想进行不... 详细信息

目前,学习具有隐藏变量的贝叶斯网络结构主要采用结合 EM 算法的打分-搜索方法,其效率和可靠性低.本文针对此问题建立一种新的具有隐藏变量贝叶斯网络结构学习方法.该方法首先依据变量之间基本依赖关系、基本结构和依赖分析思想进行不考虑隐藏变量的贝叶斯网络结构学习,然后利用贝叶斯网络道德图中的Cliques 发现隐藏变量的位置,最后基于依赖结构、Gibbs sampling 和 MDL 标准确定隐藏变量的取值、维数和局部结构.该方法能够避免标准 Gibbs sampling 的指数复杂性问题和现有学习方法存在的主要问题.实验结果表明,该方法能够有效进行具有隐藏变量的贝叶斯网络结构学习.

关键词：隐藏变量贝叶斯网络结构学习 Gibbs抽样依赖分析

来源：评论

学校读者我要写书评

暂无评论

小数据集贝叶斯网络多父节点参数的修复

引用

计算机研究与发展 2009年第5期46卷 787-793页

作者：王双成冷翠平曹锋上海立信会计学院信息科学系上海201620 上海立信会计学院开放经济与贸易研究中心上海201620

具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,... 详细信息

具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,该方法首先使用Bootstrap抽样扩展小数据集,然后分别将Gibbs抽样与最大似然树和贝叶斯网络相结合,通过依次对扩展数据按一定比例的迭代修正来实现对多父节点参数的修复.实验结果表明,这种方法能够有效地使大部分多父节点参数得到修复.

关键词：贝叶斯网络小数据集参数学习 Gibbs抽样最大似然树

来源：评论

学校读者我要写书评

暂无评论

基于依赖分析的马尔科夫网络分类器学习与优化

引用

模式识别与人工智能 2006年第4期19卷 485-490页

作者：王双成刘喜华唐海燕上海立信会计学院信息科学系青岛大学经济学院青岛266071

对可分解概率模式在0-1损失下证明马尔科夫网络分类器是最优分类器。针对目前建立马尔科夫网络分类器结构效率和可靠性低的问题,基于变量之间基本依赖关系、基本结构和依赖分析思想进行马尔科夫网络分类器结构学习来避免这些问题。并通... 详细信息

对可分解概率模式在0-1损失下证明马尔科夫网络分类器是最优分类器。针对目前建立马尔科夫网络分类器结构效率和可靠性低的问题,基于变量之间基本依赖关系、基本结构和依赖分析思想进行马尔科夫网络分类器结构学习来避免这些问题。并通过去除不相关和冗余属性变量的方法实现对马尔科夫网络分类器的优化,以提高抗噪声能力和预测能力。分别使用模拟和真实数据进行分类器分类准确性比较实验,实验结果显示优化后的马尔科夫网络分类器具有良好的分类准确性。

关键词：分类器马尔科夫网络优化弦图

来源：评论

学校读者我要写书评

暂无评论

基于局部依赖分析的特征子集选择

引用

计算机研究与发展 2007年第z2期44卷 329-333页

作者：王双成刘念祖王小玲上海立信会计学院信息科学系上海201620 上海立信会计学院信息科学系上海201620 上海立信会计学院信息科学系上海201620

Bayesian网络是特征子集选择的有力工具,基于Bayesian网络特征子集选择就是建立类变量的Markov毯.文中在对变量之间基本依赖关系、结点之间基本结构、依赖分离标准和Markov毯进行分析的基础上,基于局部依赖分析方法进行类变量的Markov... 详细信息

Bayesian网络是特征子集选择的有力工具,基于Bayesian网络特征子集选择就是建立类变量的Markov毯.文中在对变量之间基本依赖关系、结点之间基本结构、依赖分离标准和Markov毯进行分析的基础上,基于局部依赖分析方法进行类变量的Markov毯学习.在一些假设下可证明学习得到的特征子集是类变量的Markov毯.相对于现有的基于Bayesian网络特征子集选择方法,该方法更加灵活、高效和可靠.

关键词：特征子集选择 Bayesian网络 Markov毯分类器

来源：评论

学校读者我要写书评

暂无评论

基于随机查勘策略的夸大损失索赔欺诈博弈分析

引用

系统工程理论与实践 2006年第11期26卷 40-45页

作者：刘喜华王双成青岛大学经济学院青岛266071 上海立信会计学院信息科学系上海201620

运用不完全信息动态博弈的有关理论,建立了基于随机查勘策略的夸大损失索赔欺诈博弈模型,给出了保险双方的博弈策略选择及其可能达到的均衡,分析了满足保险人零期望利润约束的保险费率公式.研究表明,博弈模型存在某种形式的精炼贝叶斯... 详细信息

运用不完全信息动态博弈的有关理论,建立了基于随机查勘策略的夸大损失索赔欺诈博弈模型,给出了保险双方的博弈策略选择及其可能达到的均衡,分析了满足保险人零期望利润约束的保险费率公式.研究表明,博弈模型存在某种形式的精炼贝叶斯纳什均衡,而且道德风险的存在会使保险单价格上升.最后,论证了保险标的损失额度为离散随机变量时夸大损失索赔欺诈博弈问题解的形式.

关键词：博弈策略夸大损失贝叶斯纳什均衡随机查勘策略保险定价

来源：评论

学校读者我要写书评

暂无评论

可分解马尔可夫网络参数学习中的噪声平滑

引用

控制与决策 2009年第4期24卷 598-600,605页

作者：王双成李小琳刘凤霞上海立信会计学院信息科学系上海201600 南京大学商学院南京210093 上海立信会计学院工商管理系上海201600

对于存在噪声的可分解马尔可夫网络参数学习,目前可通过调整可分解马尔可夫网络的结构来增强其抗噪声能力,但调整后的结构往往会降低网络的有效性和可靠性,而且不能从源头上减少噪声对参数的影响.针对该问题,首先建立基于可分解马尔可... 详细信息

对于存在噪声的可分解马尔可夫网络参数学习,目前可通过调整可分解马尔可夫网络的结构来增强其抗噪声能力,但调整后的结构往往会降低网络的有效性和可靠性,而且不能从源头上减少噪声对参数的影响.针对该问题,首先建立基于可分解马尔可夫网络理论的邻域最优预测;然后以变量为基本单位,使用预测值平滑噪声.实验结果显示,使用平滑后的数据进行参数学习,其可靠性能够得到显著的改进.

关键词：可分解马尔可夫网络参数学习邻域预测噪声平滑

来源：评论

学校读者我要写书评

暂无评论

操作风险等级预测的朴素贝叶斯方法研究

引用

计算机工程与应用 2008年第12期44卷 26-28,94页

作者：王双成冷翠平侯彩虹上海立信会计学院信息科学系

操作风险数据积累比较困难,而且往往不完整,朴素贝叶斯分类器是目前进行小样本分类最优秀的分类器之一,适合于操作风险等级预测。在对具有完整数据朴素贝叶斯分类器学习和分类的基础上,提出了基于星形结构和Gibbs sampling的具有丢失数... 详细信息

操作风险数据积累比较困难,而且往往不完整,朴素贝叶斯分类器是目前进行小样本分类最优秀的分类器之一,适合于操作风险等级预测。在对具有完整数据朴素贝叶斯分类器学习和分类的基础上,提出了基于星形结构和Gibbs sampling的具有丢失数据朴素贝叶斯分类器学习方法,能够避免目前常用的处理丢失数据方法所带来的局部最优、信息丢失和冗余等方面的问题。

关键词：操作风险等级预测朴素贝叶斯分类器丢失数据 Gibbs抽样

来源：评论

学校读者我要写书评

暂无评论

基于依赖结构和Gibbs Sampling的离散数据聚类

引用

计算机工程 2006年第9期32卷 28-30页

作者：王双成俞时权程新章上海立信会计学院信息科学系

建立了一种新的离散数据聚类方法,该方法结合变量之间的依赖结构和Gibbs sampling进行离散数据聚类,能够显著提高抽样效率,并且避免使用EM算法进行聚类所带来的问题。试验结果表明,该方法能够有效地进行离散数据的聚类。

关键词：聚类离散数据依赖结构 Gibbs抽样 MDL标准

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：