搜索资源列表
K2
- 贝叶斯网络学习算法——k2算法，包括对贝叶斯网络结构的学习，最后生成网络-Bayesian network learning algorithm- k2 algorithms, including Bayesian network structure learning, the last generation network
bayesnetwork
- 用k2算法从先验概率构建贝叶斯网络，实现推理，结构学习，参数学习用贝叶斯方法。-K2 algorithm using Bayesian network built from the a priori probability to achieve reasoning, structure learning, parameter learning.
K2
- 用matlab实现的K2算法，需要用到贝叶斯网络工具箱-K2 algorithm implemented with matlab
K2
- 本算法用于贝叶斯网络的结构学习，通过筛选节点生成网络-Structure learning for Bayesian
K2
- 在matlab开发环境下 ，利用贝叶斯网络的原理 采用k2算法进行推理 分类预测-Matlab development environment, the principle of the use of Bayesian networks k2 algorithm Reasoning Classification and Prediction
K2
- 贝叶斯网络结构学习，及参数学习K2算法matlab代码-Bayesian network structure learning and parameter learning K2 algorithm matlab code
BayeK2
- 贝叶斯网络学习算法――k2算法，包括对贝叶斯网络结构的学习，最后生成网络-Bayesian network learning algorithms- k2 algorithm, including learning of Bayesian network structure, and finally generate network
bayesian
- 基于贝叶斯网络的K2，TAN，朴素贝叶斯算法实现。-K2 algorithm based on Bayesian network
K2
- 贝叶斯网络K2结构学习算法，确定节点顺序，限制子节点个数 -K2 Bayesian network structure learning algorithm
learn_struct_K2
- 贝叶斯网络结构学习K2算法源码，可以用于因果判断等-K2 Bayesian network structure learning algorithm source codeCan be used to determine cause and effect, etc.
learn_struct_K2
- 本程序是贝叶斯网络结构学习的K2算法程序，可获取离散变量的贝叶斯网络-This procedure is K2 Bayesian network structure learning algorithm program, available discrete variables Bayesian Network
bayesian_network5
- 贝叶斯网络的实现，主要是训练过程，实现了k2算法-Bias network implementation, mainly the training process, the realization of the K2 algorithm
K2
- 从数据样本中随机选取一本分数据，运用K2算法进行贝叶斯网络结构学习-A sub-data randomly selected the data samples, using K2 Bayesian network structure learning algorithm
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家
k2
- 利用K2算法构建贝叶斯网络，可用于分类、预测等(Construction of Bayesian network by K2 algorithm)