检索结果-内蒙古大学图书馆

计算机学报 2016年第8期39卷 1612-1625页

作者：王双成高瑞杜瑞杰上海立信会计学院数学与信息学院上海201620 上海立信会计学院立信会计研究院上海201620

具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而... 详细信息

具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而高斯函数和高斯核函数在属性密度估计中各有优势与不足,但它们具有很强的互补性.该文依据Copula和贝叶斯网络理论,结合高斯Copula密度函数、引入平滑参数的高斯核函数和以分类准确性为标准的属性父结点贪婪选择,建立连续属性约束贝叶斯网络分类器,既可以避免连续属性离散化所带来的问题,又能够实现高斯函数和高斯核函数在属性密度估计方面的优势互补.分别采用真实数据和模拟数据进行实验,结果显示,使用结合边缘高斯核函数的高斯Copula估计属性密度的约束贝叶斯网络分类器具有良好的分类准确性.

关键词：贝叶斯网络分类器连续属性高斯Copula 高斯核函数平滑参数机器学习

来源：评论

学校读者我要写书评

暂无评论

小时间序列的动态朴素贝叶斯分类器学习与优化

引用

控制与决策 2017年第1期32卷 163-166页

作者：王双成高瑞杜瑞杰上海立信会计学院数学与信息学院上海201620 上海立信会计学院立信会计研究院上海201620

小时间序列在宏观经济领域普遍存在,对小时间序列的分类预测也有着广泛的需求.由于小时间序列蕴含的信息不充分,有效地提高小时间序列分类预测的可靠性非常困难,目前也缺少这方面的研究.针对这种情况,在基于引入平滑参数的高斯核函数估... 详细信息

小时间序列在宏观经济领域普遍存在,对小时间序列的分类预测也有着广泛的需求.由于小时间序列蕴含的信息不充分,有效地提高小时间序列分类预测的可靠性非常困难,目前也缺少这方面的研究.针对这种情况,在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上,建立用于小时间序列分类预测的动态朴素贝叶斯分类器,并给出平滑参数的同步和异步优化方法.实验结果表明,优化能够显著提高小时间序列分类预测的准确性.

关键词：贝叶斯网络分类器时间序列高斯核函数平滑参数

来源：评论

学校读者我要写书评

暂无评论

连续属性完全贝叶斯分类器的学习与优化

引用

计算机学报 2012年第10期35卷 2129-2138页

作者：王双成杜瑞杰刘颖上海立信会计学院数学与信息学院上海201620 上海立信会计学院开放经济与贸易研究中心上海201620

针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题,文中在使用多元高斯核函数估计属性条件联合密度的基础上,建立了具有多平滑参数的连续属性完全... 详细信息

针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题,文中在使用多元高斯核函数估计属性条件联合密度的基础上,建立了具有多平滑参数的连续属性完全贝叶斯分类器,并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法,再通过时序扩展构建了动态完全贝叶斯分类器.我们使用UCI机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验,结果显示,经过优化的两种分类器均具有良好的分类准确性.

关键词：连续属性完全贝叶斯分类器动态完全贝叶斯分类器高斯核函数平滑参数

来源：评论

学校读者我要写书评

暂无评论

具有传递变量的动态贝叶斯网络结构学习

引用

控制与决策 2010年第11期25卷 1737-1741,1746页

作者：王双成王辉许广林上海立信会计学院数学与信息学院开放经济与贸易研究中心上海201620 中央民族大学信息工程学院北京100081 上海立信会计学院数学与信息学院上海201620

针对现有学习方法对完全时间不对称数据的动态贝叶斯网络学习不具有实用性,提出一种借助传递变量进行完全时间不对称数据的动态贝叶斯网络结构学习方法.首先进行相邻时间片间的传递变量序列学习;然后,基于节点排序和局部打分-搜索,进行... 详细信息

针对现有学习方法对完全时间不对称数据的动态贝叶斯网络学习不具有实用性,提出一种借助传递变量进行完全时间不对称数据的动态贝叶斯网络结构学习方法.首先进行相邻时间片间的传递变量序列学习;然后,基于节点排序和局部打分-搜索,进行动态贝叶斯网络局部结构学习;最后通过时序扩展得到整个动态贝叶斯网络结构.

关键词：动态贝叶斯网络完全时间不对称数据传递变量结构学习

来源：评论

学校读者我要写书评

暂无评论

约束高斯分类网研究

引用

自动化学报 2015年第12期41卷 2164-2176页

作者：王双成高瑞杜瑞杰上海立信会计学院数学与信息学院上海201620 上海立信会计学院立信会计研究院上海201620 上海财经大学统计与管理学院上海200433

针对基于一元高斯函数估计属性边缘密度的朴素贝叶斯分类器不能有效利用属性之间的依赖信息和使用多元高斯函数估计属性联合密度的完全贝叶斯分类器易于导致对数据的过度拟合而且高阶协方差矩阵的计算也非常困难等情况,在建立属性联合... 详细信息

针对基于一元高斯函数估计属性边缘密度的朴素贝叶斯分类器不能有效利用属性之间的依赖信息和使用多元高斯函数估计属性联合密度的完全贝叶斯分类器易于导致对数据的过度拟合而且高阶协方差矩阵的计算也非常困难等情况,在建立属性联合密度分解与组合定理和属性条件密度计算定理的基础上,将朴素贝叶斯分类器的属性选择、分类准确性标准和属性父结点的贪婪选择相结合,进行约束高斯分类网学习与优化,并依据贝叶斯网络理论,对贝叶斯衍生分类器中属性为类提供的信息构成进行分析.使用UCI数据库中连续属性分类数据进行实验,结果显示,经过优化的约束高斯分类网具有良好的分类准确性.

关键词：连续属性高斯网络贝叶斯网络贝叶斯衍生分类器密度估计

来源：评论

学校读者我要写书评

暂无评论

一类幂律图模型

引用

上海交通大学学报 2009年第8期43卷 1347-1349,1356页

作者：颜云志王汉兴上海立信会计学院数学与统计系上海201620

基于混合依顶点度择优和均匀选择顶点两种连边方式,建立了一类随机图演化模型,证明了该混合模型的度分布遵循幂律.注意到均匀选择顶点连边的随机图模型的度分布服从几何分布,文中结果表明,混合模型中择优连接方式对度分布尾部的影响居... 详细信息

基于混合依顶点度择优和均匀选择顶点两种连边方式,建立了一类随机图演化模型,证明了该混合模型的度分布遵循幂律.注意到均匀选择顶点连边的随机图模型的度分布服从几何分布,文中结果表明,混合模型中择优连接方式对度分布尾部的影响居于主导地位.

关键词：幂率图度分布无标度网络随机图模型 Azuma-Hoeffding不等式

来源：评论

学校读者我要写书评

暂无评论

小数据集的贝叶斯网络结构学习

引用

自动化学报 2009年第8期35卷 1063-1070页

作者：王双成冷翠平李小琳上海立信会计学院数学与信息学院上海201620 上海立信会计学院开放经济与贸易研究中心上海201620 南京大学商学院南京210093

针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,... 详细信息

针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,可不需要完全结点顺序的先验知识,但能够结合专家的部分结点顺序信息,实验结果显示了这种方法的有效性和可靠性。

关键词：贝叶斯网络小数据集结构学习最磊似然树古布斯抽样

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

基于高斯核函数的朴素贝叶斯分类器依赖扩展

引用

控制与决策 2015年第12期30卷 2280-2284页

作者：王双成高瑞杜瑞杰上海立信会计学院数学与信息学院上海201620 上海立信会计学院立信会计研究院上海201620 上海财经大学统计与管理学院上海200433

朴素贝叶斯分类器不能有效地利用属性之间的依赖信息,而目前所进行的依赖扩展更强调效率,使扩展后分类器的分类准确性还有待提高.针对以上问题,在使用具有平滑参数的高斯核函数估计属性密度的基础上,结合分类器的分类准确性标准和属性... 详细信息

朴素贝叶斯分类器不能有效地利用属性之间的依赖信息,而目前所进行的依赖扩展更强调效率,使扩展后分类器的分类准确性还有待提高.针对以上问题,在使用具有平滑参数的高斯核函数估计属性密度的基础上,结合分类器的分类准确性标准和属性父结点的贪婪选择,进行朴素贝叶斯分类器的网络依赖扩展.使用UCI中的连续属性分类数据进行实验,结果显示网络依赖扩展后的分类器具有良好的分类准确性.

关键词：朴素贝叶斯分类器高斯核函数贝叶斯网络分类准确性依赖扩展

来源：评论

学校读者我要写书评

暂无评论

混合贝叶斯网络隐藏变量学习研究

引用

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

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：