属性是实体的重要组成部分,因此实体属性的获取是知识图谱构建 的关键步骤。由哈尔滨工业大学社会计算与信息检索研究中心推出的开放 域中文知识图谱《大词林》是通过从文本中自动挖掘实体及实体间的关系 而构建而
基于数据学习的贝叶斯网络结构学习算法因搜索空间大而效率低。领域专家可根据自己的经验知识确定网络结构中固有的因果关系。通过收集不同专家的意见,并利用证据理论进行综合,确定其中的部分因果关系,去除其中无意
在同步修正素数码(SMPC)基础上,通过给每个不同的种子分配一个不同的波长片,构造了二维正交地址码(2D-SMPC)；分析了码字的相关特性,确定了地址码选取原则；通过Optisystem仿真,研究了该
一种贝叶斯网络的优化方法,全硕,吴国仕,贝叶斯网络是一种常见的概率图模型,它基于不确定知识和规律的表达,在数据分类任务中往往能取得很好的效果。针对贝叶斯网络建网
提出了一种基于产生式与判别式联合模型的视觉目标跟踪算法。首先介绍了一种基于全局颜色特征直方图特征的贝叶斯分类器,检测出若干最有可能属于目标的候选区域；然后利用最佳伙伴相似性度量(best-buddie
基于共邻用户属性的社会关系推荐算法是社会网络分析关系预测领域的热点研究方向。提出了一种基于隐朴素贝叶斯(hidden nave Bayesian,HNB)模型的用户关系推荐算法。该算法通过分析属性之
贝叶斯统计是在经典统计的争论中逐渐发展起来的。争论的问题有:位置参数是否可以看作随机变量?事件的概率是否一定要有频率解释?概率是否可用经验来确定?在这些问题的争论中,贝叶斯学派建立起自己的理论和方法。
贝叶斯统计是在经典统计的争论中逐渐发展起来的。争论的问题有:位置参数是否可以看作随机变量?事件的概率是否一定要有频率解释?概率是否可用经验来确定?在这些问题的争论中,贝叶斯学派建立起自己的理论和方法。
贝叶斯网络(BN)应用于分类应用时对目标变量预测有直接贡献的局部模型称做一般贝叶斯网络分类器(GBNC)。推导GBNC的传统途径是先学习完整的BN,而现有推导BN结构的算法限制了应用规模。为了避免学习
关于应用数学方面的贝叶斯公式的应用的一片本科学士学位的论文
