技术编号:10687635
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。 贝叶斯网络作为表示随机变量之间因果关系的一种手段,被认为适于应用于分类 预测或成因分析等任务,而使用贝叶斯网络模型完成的分类预测任务的准确率往往也的确 高于其他通用算法。然而,由于贝叶斯网络的学习过程的空间与时间复杂度,及对其结构理 解的难度,贝叶斯网络在分类预测任务的情境中没有得到广泛的应用。以最大最小爬山算 法的启发式算法为例,其时间复杂度具有不确定性。在计算数据量较大的情况下,算法收敛 的时间可能随数据量的增加呈指数级增长。 针对现有技术中计算数据...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。