条件独立相关论文
本文研究了随机变量序列的条件Borel-Cantelli引理和条件大数定律,这分别是现有相关结果的推广.......
机器学习算法的成功通常取决于数据表示。在构建分类器或其他预测器时,好的数据表示可以帮助我们更容易提取到隐藏的有效的信息,从......
近几十年来,随着计算机科学技术的飞速发展,高维数据分析在现代科学研究中越来越突显其重要性。比如在生物学的微阵列数据中,金融......
马尔可夫网(Markov network)是一种无向图,是对不确定知识学习和推理的重要工具。它以无向边来表示变量间的依赖关系,具有直观、简......
近年来在人工智能领域，不确定性问题一直成为人们关注和研究的焦点。贝叶斯网是用来表示不确定变量集合联合概率分布的图形模式，它反......
概率论是研究随机现象的一门学科,它起源于赌博问题的研究,随着学科的不断发展和完善,如今作为数学的一个重要分支,在物理、经济、......
k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽......
可压缩性在列联表的分析中已经引起了许多学者的极大关注.有些学者还利用图模型对可压缩性进行了研究.这些工作的目的除对参数和模......
本文系统地分析了Basket CDS的定价问题，并提出了一种新的迭代模型，用于定价面值不等的非齐次Basket CDS。为了处理违约时间之间的相......
链图作为一种图模型,是在上世纪八十年代中期被引入的,用来描述条件独立结构.链图是一类更加广泛的图模型,它不仅包括无向图(通常......
图模型用来广泛表示和分析随机变量之间的因果关系以及条件独立性。两类著名的统计图模型是马尔可夫网(无向图)和贝叶斯网(有向无......
针对部分可观察马尔可夫决策过程(POMDP)的信念状态空间规模“维数灾”问题,根据信念状态变量存在可分解和独立关系的特性,提出一......
贝叶斯网是一个每个结点都带有一张概率表的有向无环图,它可以有效地表示不确定性知识并进行知识推理.知识系统在很多时候不得不将......
不确定环境下MAS生成协作策略的复杂度关系到协作任务能否成功实现。为降低马尔可夫决策模型生成MAS协作策略的复杂度，减少协作通信......
主要讨论两样本情况下两种不同贝叶斯估计方法之间存在的差异.方法一是假定xi(i =1,2)关于θi(i=1,2)条件独立;方法二假定x1、x2无......
随机变量（r.v.）的独立性在概率论中有着十分重要的意义.本文应用条件概率引入条件独立的概念,给出了连续型r.v.条件独立的含义及其性......
确定变量间的因果关系是时间序列分析的重要内容。传统的图模型因果推断算法有着明显的局限性，要求模型是线性的且噪声项服从Gauss......
本文得到（F<sub>1</sub>,F<sub>2</sub>|F<sub>1</sub>∩F<sub>2</sub>）成立的充要条件是 F<sub>1</sub>和 F<sub>2</sub>存在最小分......
独立是概率论中特有的概念,有着十分重要的意义.本文应用条件概率给出了条件独立的概念,得到了条件独立的相关性质.......
将实随机变量的条件独立性与条件回归独立性的研究推广到复随机变量,讨论了复随机变量的条件独立性、条件回归独立性及强条件独立......
贝叶斯网络计算量随着节点数增多呈指数增长,限制了大规模贝叶斯网络在安全性分析中的应用。为此,利用独立性条件分解整个网络,压......
设Ｅ＝（１，２，．．．，Ｎ），（Ｘｋ，Ｙｋ），Ｋ≥１）是在Ｅ×Ｅ中取值的随机向量序列，其中（Ｙｋ，ｋ≥１）是非齐次马氏链，对任意ｎ≥２，（Ｘ１，．．．Ｘｎ）在给定（Ｙ１，．．．，Ｙｎ）的情况下条件独立，且Ｘｉ的条件分布仅依赖于Ｙｉ的值。设ｉ∈Ｅ，Ｓｎ（ｉ），Ｑｎ（ｉ）分别表......
在现在的纸，我们认为有经常的利息力量和重尾巴的主张，主张在评价并且缩放的一种 semi-Markov 风险模型(SMRM ) 是有条件地独立的，两......
贝叶斯网络是智能算法领域重要的理论工具,其结构学习问题被认为是NP-hard问题。该文通过混合学习算法的方式,从分析低阶条件独立......
许多实际问题中经常会遇到带约束条件的回归问题．方差已知时这种问题的估计量的性质已有很多研究．但在许多实际问题中随机误差的方差......
给出了变量之间预测能力的概念及估计方法,证明了预测能力就是预测正确率.在此基础上建立了基于预测能力的贝叶斯网络结构学习方法......
设Ｅ＝｛１，２，…，Ｎ｝，｛（Ｋｋ，Ｙｋ），ｋ≥１｝是在Ｅ×Ｅ中取值的随机向量序列，其中｛Ｙｋ，ｋ≥１｝是非齐次马氏链，对于任意的ｎ≥２，（Ｘ１，…，Ｘｎ）在给定（Ｙ１，…，Ｙｎ）的情况下条件独立，且Ｘｉ的条件分布仅依赖于Ｙｉ的值．设......
给出了一类随机变量函数列i.i.d.的条件,并就一类满足某种条件独立的连续型随机变量序列,给出了其和的密度函数和分布函数.......
利用数理统计的相关分析及其独立图模型对数学系若干课程的相关性及条件独立性进行了定量分析.为数学系的课程设置及改革提供了依......
利用随机变量的投影关系,定义了偏方差矩阵,从而导出了逆方差阵元素的一种形式在随机变量是正态的条件,它为判别条件独立性有方便......
利用图模型方法研究非线性结构向量自回归模型的因果性问题.构建了非线性结构向量自回归因果图模型,提出图模型因果性的广义似然比......
在线流特征选择通过实时过滤无关特征和冗余特征,实现流特征空间降维.针对已有算法,如Alpha-investing分类精度低、SAOLA选择特征......
定义并讨论了多状态多维可靠性系统关于流(F_t)的IFR、DFR、NBU和NWU等寿命分布类,同时还讨论了这种分布类关于独立和与极限运算的......
本文研究了结构向量自回归时间序列的链图模型识别方法，利用局部密度估计法以及Bootstrap方法，给出了时间序列链图模型的概念以及模......
满足条件独立性假设时，朴素贝叶斯分类器理论上比其它分类方法具有更高的分类正确率，但该假设在许多实际情况中并不成立，针对这一问题......
应用条件概率引入条件独立的概念．给出了离散型随机变量条件独立的含义及其性质。...
引入随机变量条件独立、强条件回归独立、逐对条件回归独立、连续条件回归独立、邻对条件回归独，立、累积条件回归独立诸定义，证明它......
朴素贝叶斯分类算法是一种利用概率统计知识来进行分类的算法,其具有效率高、适用范围广等特点,但是其能有效地应用于数据分类需要......
贝叶斯网将概率论和图论有机结合,用一种紧凑的形式表示联合概率分布。具有完备的语义和坚实的理论基础,目前已成为人工智能领域处......
朴素贝叶斯分类器是机器学习领域中一种重要的分类算法,根据该算法的前提,利用Foley-Sammon变换算法进行特征提取,提出了一种基于F......
讨论了Ｉ×Ｊ×Ｋ列联表中优比的可压缩性问题，并得到了优比可压缩性的一个充分必要条件。......
本文基于信息几何和Fisher分,提出了一种新的创建属性集的方法。把原有属性经过Fisher分映射成新的属性集,并在新属性集上构建贝叶......
条件独立是一个重要的概念,它已被广泛地应用在统计学和人工智能的诸多领域。不同领域给出的条件独立的定义是不尽相同的。一般来......
设ｙ１，ｙ２，…，ｙｎ是相互独立的，取正整数值手随机变量，Ａ表示事件ｙｉ－ｙｉ＋１≥０，ｉ＝１，２，…，ｎ－１，那么我们证明在条件Ａ下，ｙｉ－ｙｉ＋１是ｙｉ＋１是独立的，ｉ＝１，２，…，ｋ当且仅当ｙｉ（ｉ＝１，２，…，ｋ）服从几何分布，这里≤ｋ≤ｎ－１。......
通过对概率论中有关公式的研究,给出了条件独立的定义、推广了全概率公式和贝叶斯公式,并给出了n维随机变量函数的密度函数的简化......
随机变量的独立性在概率论中有着十分重要的意义.本文给出了离散型随机变量与离散型随机向量相互独立的概念,条件独立的概念,以及......
