3) conditional random fields
条件随机域
1.
Web information extraction based on conditional random fields;
基于条件随机域的Web信息抽取
2.
Conditional Random Fields Based POS Tagging;
基于条件随机域的词性标注模型
3.
Using conditional random fields model for text information extraction;
基于条件随机域CRF模型的文本信息抽取
4) conditional random field
条件随机场
1.
A Text Extraction Method for Image with Complex Background Based on Conditional Random Field
一种基于条件随机场的复杂背景图像文本抽取方法
2.
In order to enhance the utilization of context features for information extraction which is greatly restricted by the hidden Markov model(HMM),a method based on the conditional random fields(CRFs) is proposed to extract the information of paper header and citation from Chinese research papers.
由于隐马尔可夫模型不能充分利用对抽取有用的上下文特征,因此文中提出了一种基于条件随机场的中文科研论文头部和引文信息抽取方法,该方法的关键在于模型参数估计和特征选择。
3.
Firstly,a maximum a posteriori framework is created according to conditional random field model and Markov random field model.
首先根据条件随机场模型和马尔可夫随机场模型建立了一个最大后验概率框架。
5) conditional random fields
条件随机场
1.
Semantic role labeling based on conditional random fields;
基于条件随机场的语义角色标注(英文)
2.
Research of applying conditional random fields to Chinese lexical analysis;
应用条件随机场进行汉语词法分析研究
3.
Research of Chinese Word Segmentation with Conditional Random Fields;
基于条件随机场的汉语分词研究
6) random conditional entropy
随机条件熵
1.
The notion of entropy density deviation and average random conditional entropy of arbitrary information sources on finite alphabet set relative to nonhomogeneous Markov chain are introduced,and the random deviation inequations between the relative entropy densities of arbitrary information sources and the average random condition entropy relative to nonhomogenous Markov chain are obtained.
通过引进有限字母集上任意信源相对于非齐次马氏链的熵密度偏差和平均随机条件熵的概念 ,得出了任意信源的相对熵密度与相对于非齐次马氏链的平均随机条件熵之间的随机偏差不等式 。
2.
A class of strong limit theorems for the random conditional entropy densities of the sequence of arbitrary random variables on the gambling system are discussed by applying the differentiation on a net and analytical methods.
采用网微分法和分析运算方法来研究赌博系统中任意随机变量序列随机条件熵的一类强极限定理,并由此得出若干任意信源的Shannon-Mcmillan定理。
3.
In this paper, the notion of random conditional entropy of finite nonhomogeneous markov chains is introduced, and the relation between this notion and the relative entropy density is studied.
本文引进有限非齐次马氏链随机条件熵的概念，研究这个概念与相对熵密度的关系，并通过数列的绝对平均收敛的概念给出有限非齐次马氏链的相对频率、相对熵密度和平均随机条件熵ａ。
补充资料：水文随机变量
受随机因素影响,遵循统计规律变化的水文变量。水文随机变量在未来任一时刻出现的数值无法准确预测，但能以分布函数(或等价的概率密度函数)来反映其统计规律性，也就是表示其各种数值出现的可能性。分布函数的形式，可根据资料按水文统计学的有关原理和方法予以确定。分布函数与概率密度函数则有如下关系：
式中x为随机变量；F（xp；）为分布函数; f(t;θ)为概率密度函数;为x大于或等于xp这一事件出现的概率;xp称为x的p分位数,或超过概率为p的设计值。上式常以图形的方式表示,称为频率曲线(见图)。
确定水文随机变量的分布函数及其所含的参数，是研究水文随机变量的主要目的。水文学中常用的分布函数有以下几种：皮尔逊Ⅲ型分布、对数皮尔逊Ⅲ型分布、对数正态分布、 概化极值分布、 韦克贝分布、克里茨基－门克尔分布等。在中国主要使用皮尔逊Ⅲ型分布。其概率密度函数如下：
x≥α γ0
式中α、β、γ 为待估参数;Γ(γ )为伽玛函数。三个参数α、β、γ 与随机变数 x的三个主要数字特征值（数学期望Ex、方差σ婌、偏态系数Cs）有一定的关系，可相互推求。这种情况对其他分布也是如此。不过不同的分布,参数与特征值之间的关系不同而已。在参数估计时，有的方法，如极大似然法，是先估计参数α、β、γ ，然后由有关公式可求得相应的Ex、Cv（离势系数）与Cs；有的方法，如矩法或适线法，是先估计出Ex、Cv及Cs，需要时，可由有关公式求出相应的参数值。
确定水文随机变量分布函数的形式，除用上述假设检验的方法外（见水文统计学），还使用导出分布的方法，即考虑水文变量的物理性质并做若干假定，再经推导而得。其中又可分为依据事件的模型和联合概率的模型。由于问题复杂，为便于推导而作的假定常与实际情形相差较远，故此种途径尚处于研究阶段，有时可在缺乏资料的小流域上应用。
参考书目
V.Yevjevich， Probability and Statistics in Hydrology，Water Resources Publications，FortCollins,Colorado,1972.
式中x为随机变量；F（xp；）为分布函数; f(t;θ)为概率密度函数;为x大于或等于xp这一事件出现的概率;xp称为x的p分位数,或超过概率为p的设计值。上式常以图形的方式表示,称为频率曲线(见图)。
确定水文随机变量的分布函数及其所含的参数，是研究水文随机变量的主要目的。水文学中常用的分布函数有以下几种：皮尔逊Ⅲ型分布、对数皮尔逊Ⅲ型分布、对数正态分布、 概化极值分布、 韦克贝分布、克里茨基－门克尔分布等。在中国主要使用皮尔逊Ⅲ型分布。其概率密度函数如下：
x≥α γ0
式中α、β、γ 为待估参数;Γ(γ )为伽玛函数。三个参数α、β、γ 与随机变数 x的三个主要数字特征值（数学期望Ex、方差σ婌、偏态系数Cs）有一定的关系，可相互推求。这种情况对其他分布也是如此。不过不同的分布,参数与特征值之间的关系不同而已。在参数估计时，有的方法，如极大似然法，是先估计参数α、β、γ ，然后由有关公式可求得相应的Ex、Cv（离势系数）与Cs；有的方法，如矩法或适线法，是先估计出Ex、Cv及Cs，需要时，可由有关公式求出相应的参数值。
确定水文随机变量分布函数的形式，除用上述假设检验的方法外（见水文统计学），还使用导出分布的方法，即考虑水文变量的物理性质并做若干假定，再经推导而得。其中又可分为依据事件的模型和联合概率的模型。由于问题复杂，为便于推导而作的假定常与实际情形相差较远，故此种途径尚处于研究阶段，有时可在缺乏资料的小流域上应用。
参考书目
V.Yevjevich， Probability and Statistics in Hydrology，Water Resources Publications，FortCollins,Colorado,1972.
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