1) Mix-state DBN
混合动态贝叶斯网络
2) hybrid Bayesian network
混合贝叶斯网络
1.
Learning in a hybrid Bayesian network structure for causal analysis;
用于因果分析的混合贝叶斯网络结构学习
3) dynamic Bayesian networks
动态贝叶斯网络
1.
Dynamic fault tree analysis based on dynamic Bayesian networks;
基于动态贝叶斯网络的动态故障树分析
2.
Geometric-pattern dynamic Bayesian networks reasoning gene regulatory networks;
几何模式动态贝叶斯网络推理基因调控网络
3.
The prime task and the content in this article can be concluded as follows:(1) The basic framework of information fusion based on dynamic Bayesian networks was discussed.
鉴于贝叶斯网络,尤其是动态贝叶斯网络在处理不确定信息方面的优点,本文重点研究了基于动态贝叶斯网络的目标毁伤等级评估方法及其应用。
4) dynamic Bayesian network
动态贝叶斯网络
1.
Study on path planning of UCAV based on dynamic Bayesian network;
基于动态贝叶斯网络的无人机路径规划研究
2.
In this paper,linking Kalman filter theory,we bring out a new moving target state prediction model based on dynamic Bayesian network and used to shot moving targets.
提出基于动态贝叶斯网络推理的火炮攻击敌纵深运动目标状态估计模型。
3.
In solving the dynamic uncertainty problem based on dynamic Bayesian networks(DBNs),the efficiency of processing is decided by the inference algorithm.
基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率;文章在分析联合树性质的基础上提出一种较简单的3/2片联合树算法,该算法不需要限制消去顺序且只作一次扩展;讨论了算法的复杂度,并作了试验比较。
5) dynamic bayesian network(DBN)
动态贝叶斯网络
1.
In view of tracking difficulty of multiple view angles about multi-actors from monocular video,a tracking method based on Dynamic Bayesian Network(DBN) is proposed which operates on monocular gray-scale video imagery.
该文提出一种基于动态贝叶斯网络的分类特征联合建模的跟踪方法,将视频中基于时空的运动特征和轮廓特征相复合,采用先粗后精的方法解决由于视觉角度不同而造成的跟踪困难,实现同一场景中多视角下的多人跟踪。
2.
To accurately capture the variations of real speech spectra,two single stream Dynamic Bayesian Network(DBN) models based on context-dependent triphone:SS-DBN-TRI model and SS-DBN-TRI-CON model,are proposed for continuous speech recognition.
考虑连续语音中的协同发音问题,提出基于词内扩展的单流上下文相关三音素动态贝叶斯网络(SS-DBN-TRI)模型和词间扩展的单流上下文相关三音素DBN(SS-DBN-TRI-CON)模型。
3.
A semi-supervised active learning algorithm is proposed to overcome the difficulties in getting sufficient labeled training sample data set during the process of building dynamic Bayesian network(DBN) classification model.
本文提出一种基于半监督主动学习的算法,用于解决在建立动态贝叶斯网络(DBN)分类模型时遇到的难以获得大量带有类标注的样本数据集的问题。
6) DBN
动态贝叶斯网络
1.
Research on DBN-based continuous speech recognition and phoneme segment;
基于动态贝叶斯网络的语音识别及音素切分研究
2.
An optimal algorithm for dynamic Bayesian networks(DBN) based on Bayesian optimal algorithm(BOA) is developed for learning and constructing DBN structure.
针对动态贝叶斯网络(DBN)结构学习问题,提出了一种基于贝叶斯优化(BOA)的DBN结构寻优算法。
3.
In the dissertation, autonomous optimization based-on Dynamic Bayesian Networks(DBN)is studied.
本文以基于动态贝叶斯网络自主优化为线索，展开动态贝叶斯网络推理算法、平稳系统动态贝叶斯网络结构学习模型及非平稳系统动态网络变结构学习模型设计、动态贝叶斯网络结构寻优算法、进化优化与动态贝叶斯网络混合优化等研究。
补充资料：贝叶斯公式
贝叶斯公式为利用搜集到的信息对原有判断进行修正提供了有效手段。在采样之前，经济主体对各种假设有一个判断（先验概率），设为，{}。
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
，= 1， 2， %26#8230;， (5.5)
在实际经济生活中，信息搜寻工作不是一次就完成的。当信息搜寻进行到某一阶段，设已进行了 次采样( =1，2，%26#8230;)，此时经济主体对各假设的后验概率的认识为
=1， 2， %26#8230;， (5.6)
其中，表示在第次采样前对假设的判断，当 =1时即表示第一次采样前的先验概率，从而式(5.5)变成式(5.6)的一个特例，即，将其记为。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条