文献知网节
  • 记笔记
摘要:贝叶斯网络在场景分类统计模型设计中得到广泛的应用。但现有的大部分贝叶斯网络场景分类引擎没有能够充分利用贝叶斯网络丰富的知识表现能力和有效的自动学习能力。首先提出了一种灵活的树型贝叶斯网络分类引擎,用于场景分类模型的设计。然后,以条件对数似然评价为标准研究这种模型的自动学习方法,通过对分类器等价类的研究,证明了树型贝叶斯网络分类引擎自动训练过程可以忽略网络中边的方向,并提出了一个不需要对边重定向的学习算法。由于通常的场景图像编码维度较高,省略了边的重定向过程能够有效地减少模型的训练时间。实验结果验证了所提算法的平均训练时间在基准场景图像库上比传统算法的减少23.32%。
  • DOI:

    10.19650/j.cnki.cjsi.2012.04.022

  • 专辑:

    理工C(机电航空交通水利建筑能源); 电子技术及信息科学

  • 专题:

    计算机软件及计算机应用

  • 分类号:

    TP391.3

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:192 页码:863-869 页数:7 大小:346K

相关推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者
  • 相关视频