![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
贝叶斯网
Inverse.me
这个作者很懒,什么都没留下…
展开
-
贝叶斯网络(一)
由于自己最近在学习贝叶斯网络,在学习中遇到一些问题,查找相关资源的博客很少,自己就写了点学习笔记。 首先,介绍贝叶斯网络(Bayesian Network,简称BN)是一种特殊的图形模型,是有向无环图(Diected Acyclic Graph,简称DAG)。也就是说,在贝叶斯网络中,所有的边都是有方向的(即指向一个特殊的方向),而且不存在回路(即不存在这样的一条路径,从某个节点原创 2013-08-17 18:47:29 · 6898 阅读 · 3 评论 -
贝叶斯网模型建立
举例说明: 一条两岸都有树的河,河里有鱼群,这些鱼需要保护。这条河从农田地里穿过,受干旱条件的影响,下雨通过水流能够帮助鱼的生长数量(native fish populations),并且让鱼的栖息地更适宜生存,同样连通着不同的栖息地。然而下雨能把农药冲进河里,会对鱼造成危害。 如何建立适宜的贝叶斯网呢? 首先,我们要确定感兴趣的变量,这些变量将成为BN的翻译 2013-08-29 21:01:32 · 1657 阅读 · 1 评论 -
图模型简介(一)
概率在现在模式识别中占有很重要的地位,可以把概率问题纯粹的转化成图的操作。转化成图有三个优点: 1.提供一个简单的方式去形象化概率模型结构,并且可以设计和改进出新的模型。 2.观察模型性质,包括条件独立的性质,可以检查图模型的正确性。原创 2013-09-02 20:35:12 · 4064 阅读 · 0 评论