2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩123頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、圖模型是圖論、概率論,統(tǒng)計學等的交叉領域。圖模型利用圖這一比較直觀的工具能夠清晰地表示問題的背景知識及變量間的結構關系,是處理高維問題的有力工具。它廣泛的應用于生物信息學、機器學習、決策論等各個領域。
   近些年來,許多學者都利用圖模型處理涉及成千上萬個變量的高維、復雜問題。處理這些問題的十分有效的工具之一是圖分解。利用圖分解可以將這些高維問題化簡為類似的含有較少變量的低維問題,進而提高解決問題的功效。例如,對圖模型的估計、檢

2、驗等統(tǒng)計推斷都可分解為其素塊上的邊緣模型上進行推斷。
   本文基于圖分解對圖模型做了進一步研究,包括以下四個方面的工作。第一,基于MCS—M算法改進了Leimer的圖分解算法,無論理論復雜度分析還是模擬實驗結果都顯示新的圖分解算法比Leimer的圖分解算法要略快一些,并且能快速的分解至少含有上萬個頂點的圖模型。第二,基于圖分解改進了概率圖模型的概率傳播算法,提高了概率推斷的效率。我們把概率傳播算法中至關重要的步驟,即求最優(yōu)三角

3、化圖問題(NP-hard),分解成各個小的子圖上的最優(yōu)三角化圖問題,這樣使問題的難度得到大大的降低。進一步給出了基于分解的構建團樹的算法。我們的模擬結果顯示,分解不僅可大大提高尋找最優(yōu)三角化圖和建立團樹的速度,還可得到更高質量的三角化圖。第三,考慮求高斯圖模型極大似然估計,我們利用概率傳播算法共享計算的思想,給出了改進的迭代比例擬合算法(IPSprocedure)和改進的HT算法,并給出了復雜度分析和模擬實驗,兩者均顯示,我們的改進算法

4、大大降低了傳統(tǒng)的迭代比例擬合算法的復雜度,提高了運行速度。第四,我們考慮從道義圖出發(fā)進行Bayes網(wǎng)結構學習.給出了道義圖中道義邊的更精細的刻畫,指出道義邊(α,β)相應的分離子是道義圖中包含α,β的某素塊中α或β的鄰居集的完全子集,這樣便可大大降低搜索分離子的范圍,減少條件獨立檢驗的次數(shù)。進一步提出了結構Structure-Finder(SF)算法基于圖分解進行結構學習,并證明了SF算法的復雜度比Ic算法和Geng等人的方法小得多。同

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論