陈栋梁
- 作品数：4 被引量：10H指数：2
- 供职机构：合肥工业大学计算机与信息学院计算机科学与技术系更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 并行的贝叶斯网络参数学习算法被引量：6
- 2007年
- 针对大样本条件下EM算法学习贝叶斯网络参数的计算问题,提出一种并行EM算法(Parallel EM,PL-EM)提高大样本条件下复杂贝叶斯网络参数学习的速度.PL-EM算法在E步并行计算隐变量的后验概率和期望充分统计因子;在M步,利用贝叶斯网络的条件独立性和完整数据集下的似然函数可分解性,并行计算各个局部似然函数.实验结果表明PL-EM为解决大样本条件下贝叶斯网络参数学习提供了一种有效的方法.
- 俞奎王浩姚宏亮陈栋梁
- 关键词：贝叶斯网络EM算法MPI
- 支持向量机训练算法研究
- 支持向量机(SVM)是在统计学习理论的基础上发展起来的,它在很大程度上解决了以往的机器学习模型的选择与过学习、非线性、维数灾难、局部极小点等问题,在20世纪90年代以来受到很大重视,目前已经广泛用于解决模式分类和回归问题...
- 陈栋梁
- 关键词：统计学习支持向量机伪距离
- 文献传递
- 基于自适应粒子滤波的动态贝叶斯网推理算法被引量：3
- 2007年
- 提出一种基于自适应粒子滤波的动态贝叶斯网推理算法,该算法能随着动态贝叶斯网状态演化的不确定性动态改变抽样粒子数目,其根据是通过给定抽样误差界限来确定粒子数。当状态空间不确定性较低时,算法使用较少的粒子数;当状态空间不确定性很大时,将使用较多的粒子数。模拟实验表明该算法很好地兼顾了推理精度和推理时间,性能优于粒子滤波算法;与RBPF算法相比,该算法在稳定性和适用性方面也具有一定优势。
- 陈栋梁王浩姚宏亮俞奎
- 关键词：动态贝叶斯网络粒子滤波自适应粒子滤波
- 一种支持向量机大规模数据集训练算法
- 支持向量机训练中样本集过大将会导致训练过程非常缓慢问题,本文研究支持向量机训练中样本集分布的几何特征,在不影响分类性能的前提下,提出一种适合大样本集训练的Quasi Choosing算法,该算法能剔除大部分与训练结果无关...
- 陈栋梁王浩姚宏亮
- 关键词：支持向量机伪距离
- 文献传递
