1) probability-based clustering
概率聚类算法
1.
Assumed that we have known the number of clusters, we oftenuse probability-based clustering algorithms to partition data into classes, making thesimilarity as small as feasible in the same class, and as big as possible between classes.
在进行基于概率的聚类分析的时候,往往事先假设已知数据将分为K组,然后通过概率聚类算法进行分组,使得一组中的成员彼此相似,而与其他组的成员尽可能的不同。
2) Probability algorithms
概率类算法
3) cluster probability
聚类概率
4) probabilistic algorithm
概率算法
1.
This paper ,based on mathematical principles and knowledge of programming design,introduct uncertainty algorithm to integral approximate solution,and then discuss two probabilistic algorithms of soluting the problem,and last realize the several algorithma by computer programming.
本文结合定积分数学原理和程序设计语言知识,首先引入确定性算法求解定积分的近似解,然后讨论用概率算法求解此问题以及几种算法的比较,并给出了几种算法的计算机编程实现。
2.
Combined the optimization strategy and Lehmann algorithm with the algorithm of remainder calculation improved by recursion techniques,a Monte Carlo probabilistic algorithm is proposed to implement rapid primality test.
为了快速实现素数测试,基于容斥原理给出了一种试除小素数优化策略,然后将该优化策略与Leh-m ann算法以及基于递归技术改进的计算余数算法相结合,提出了一种实现快速素数测试的Monte Carlo概率算法。
5) probability arithmetic
概率算法
1.
For there are four models to denote the total model,it colligates composing elements of each model and analyses the model using AHP,probability arithmetic and the other classic evaluation arithmetic.
充分利用表征总体效能指标的4个因素,运用概率算法、层次分析法等效能评估的经典方法对编队作战效能进行评估。
补充资料：概率算法
概率算法
probabilistic algorithm
gail口suanfa概率算法《p均babilistlc al，dt加m)带有随机操作的一类算法，又称作随机算法。算法在计算的某一步或某些步产生符合规定要求的随机数，然后根据产生出的随机数决定下一步的计算。例如，在计算的某一步有两种选择:执行A或执行B。此时随机产生一个O或1。若产生的是O则执行A，若产生的是1则执行B。这相当于根据掷一枚硬币的结果(正面或反面)决定下一步的计算。 将概率的思想用到算法中始于数值计算，在计算方法中通常称作蒙特卡罗法，是在20世纪40年代中叶提出的。它的基本思想是建立概率模型，通过统计模拟或抽样得到间题的近似解。通常要求计算结果的期望值等于问题的精确解，并且计算误差的期望值随可供使用的时间增加而减小。近20年来概率算法在非数值计算中得到很好的应用。例如，已经设计出关于排序和搜索、素数判定、有限域上的多项式分解和求根、字符申的模式匹配等方面的有效概率算法。概率算法同样也应用到并行计算中，得到概率并行算法。 M.O.F滋bin在1976年提出一个判定素数的概率算法，其理论根据是:当n是合数时，在1到n一1的整数中有一半以上是n为合数的“见证人”。算法的基本做法是:随机地产生一个1与n一1之间的整数b，检查b是否是。为合数的“见证人”。若b是“见证人”，则计算结束，并得出n为合数的结论;否则重复这个过程。至多进行k次，若产生的k个随机数b都不是n为合数的“见证人”，则得出n为素数的结论。算法所需要的时间为O(1褚n)。当计算的结果是n为合数时，结果肯定是正确的。但是，“n为素数”的结果有可能是错误的。此时n为合数的概率，即得出错误结果的概率不超过1/2盛。当k足够大时，这是一个很小的数。譬如，取k二10，错误的概率小于0.001。这已经是在实验中不大可能发生的事件了。实验表明，算法在实际使用中几乎不会给出错误的结论。 这类概率算法对每一个实例的计算时间是确定的，计算结果服从某种概率分布。也就是说，不能保证算法给出的解总是正确的，只能保证得出非正确解的概率足够小。还有一类概率算法给出的解总是正确的，而执行时间服从某种概率分布。算法执行时间的期望值通常是输人规模的多项式，但不能排除运行很长时间的可能性甚至有可能给不出解。当然，出现这种坏情况的概率很小。 概率算法通常能大大地提高效率。但有迹象表明，对于NP完全问题很可能不存在有效的概率算法。用计算机执行概率算法时，要用伪随机数代替随机数。大多数程序设计语言都有伪语言随机数发生器，用来产生伪随机数。
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