贝叶斯网参数学习中连续变量离散化方法研究

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果。目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准。在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准。实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果。

一种基于进化算法的连续属性离散化方法

连续属性离散化是知识系统中的一个重要环节 ,一个好的离散化方法能够起到简化知识的描述和便于对知识系统的处理。而求取连续属性值的最优断点集合是一个NP难题 ,本文把连续属性值离散化问题作为一种约束优化问题 ,采用遗传算法来获得最优解 ,并针对离散化问题设计了相应的编码方式、交叉算子和变异算子。实验结果表明 。

一种近似等频离散化方法

在数据挖掘和机器学习研究中,许多算法以离散值为处理对象,常常需要对连续属性进行离散化.由于正态分布的广泛性,本文提出一种基于正态分布的近似等频离散化方法.该方法实现简单,关于数据集大小具有线性时间复杂度,适用于大规模数据集.在许多数据集上与文献中多个离散化方法进行了对比测试,实验结果表明,提出的无指导的离散化方法是有效、可行的.

用于风险分析的一种连续概率分布离散化的方法

由于风险分析中频繁使用的蒙特卡罗模拟,必须对风险变量所符合的连续分布大量抽样,才能得到较可信的结果.如果把风险变量所符合的连续分布转换为离散分布,能够显著减少蒙特卡罗模拟的计算量.提出了一种把连续分布转换为离散分布的方法,这种方法是对连续分布的积累概率曲线和离散分布的积累概率曲线所围成的区域面积进行拟合而得到的.最后给出了这种方法在风险分析中的具体应用步骤.

总变分图像复原方程的离散化方法

基于总变分的图像重建和复原导致一类最小化问题,它归结为解一个非线性椭圆型偏微分方程。为了得到数值解,必须将问题线性化和离散化。C.R.Vogel和M.E.Oman等人(1996)的定点迭代是一个良好的线性化方法。然而文献中已报道的离散化方法需要微分方程数值解的工具,比较繁杂。该文提出一种新的离散化方法,它只需要图像处理中的常规技术。图像反降晰和噪声抑制的实验结果表明该文的结果不亚于文献中报道的结果。

离散变量结构优化设计的连续化方法

把离散变量结构优化设计问题转化为一般的0-1规划问题,进一步把该问题转化为一个带有互补约束的优化问题,利用NCP函数,最终得到待以求解的连续优化问题。离散优化到基于NCP函数的连续优化变换在理论上是等价的,可以利用普通的数学规划方法实施求解。数值算例的计算结果验证了该连续化方法的可行性与有效性。

基于离散多方向小波变换估计噪声能量的正则化虹膜图像恢复方法

针对定焦虹膜采集设备采集的离焦降质虹膜图像,提出一种基于正交离散多方向小波变换的正则化虹膜图像恢复算法,并对提出的算法进行了系统检验.结果表明,所提出的改进算法对虹膜图像恢复的研究有一定的意义.

基于语言场理论的连续属性离散化方法及实现

The paper introduces author's job on realization of continuous attribute discretization based on languagefield theory that Prof. Yang put forward. It applies a new algorithm of seeking border values and its incremental onerather than seeking boundary ones that is a difficulty. The theory of the algorithm is self-contained, and its realiza-tion is simple. And the paper introduces simply four thoughts about defining language values and then discretizing fornon-numerical value that author already realized in KDD * .

粗糙集理论中基于属性重要性的离散化方法

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。目前已有许多离散化方法 ,存在的主要问题是断点集的选取带有很大的主观性 ,导致大多数的离散化算法难以得到较满意的离散效果。分析了当前研究中常用的离散化方法 ,提出了一种基于属性重要性的离散化方法 ,利用遗传算法 ,把最小断点集作为优化目标 ,利用遗传算法 ,以属性重要性构造适应度函数 ,保证了原决策系统的不可分辨关系 ,避免了决策表信息的损失 。

界面离散网格点数据重规整化方法

针对界面网格数据结构化排序过程中出现的网格点连接关系混乱问题,提出一种基于二叉树结构的离散网格点重规整化方法.首先,详细介绍方法的整体思路,即利用二叉树结构与结构化网格数据之间的单一映射关系,通过构建二叉树结构模型,重构网格的行列特征信息,实现网格点的结构化排序;然后,通过网格点分类、根节点选择、子节点添加,创建网格点数据的二叉树模型;最后,逐层遍历二叉树模型,获得排序后的网格点.基于不同外形、规模和排序网格算例的数值实验结果表明,所提方法具有良好的适应性和较高的鲁棒性,且在工程常用规模界面网格数据结构化排序中也具有十分优异的算法效率.

用于磨损仿真的空间啮合曲面离散化方法

提出了一种磨损齿面的描述方法 ,给出了双三次样条曲面中角点信息方阵的构造和求解方法·讨论了用该方法逼近齿廓曲面的可行性 :型值点在齿面上 ;二阶偏导数连续·解决了用样条函数研究图形的几何性质时其表示方法缺乏几何不变性的不方便之处 ;型值点均匀 ,因而曲面光顺 ;边界条件不难确定·以具体算例验证了这种方法的计算精度 ,与齿廓曲面方程计算的结果比较 ,型值点处 ,前 15位有效数值相同 ,最大误差在两型值点的中点附近 ,随网格加密而减小·精度足以满足磨损计算的要求 ,从而为磨损过程的计算机仿真奠定了基础·

解扩散方程的半离散化方法

对具有周期解的扩散方程ｕｘ＝ａｕｘｘ（ａ＞０），我们用半离散化方法构造了具有任意阶精度自然数）的两层显格式。本文讨论了１≤ｐ≤１０，１≤ｑ≤５的情形，得到了一些格式，其精度和稳定性都优于现有的格式。

连续系统离散化方法的比较与解析初探

控制器或被控对象的离散化是实现离散控制(或称计算机控制)的重要内容,被控对象常用零阶保持离散化方法,控制器常用离散化方法包括:数值积分法(前向差分、后向差分、双线性变换等)、输入响应不变法(阶跃、冲激响应不变法等)等。另外,Z变换、导数差分化等也是实现连续域到离散域的离散化方法。多种离散化方法在学习过程中极易混淆。本文对这些离散化方法进行比较、分析、归纳,并用实例进行说明,帮助学生更好地理解"离散化"这一重要概念和各种离散化方法的应用领域和应用条件。

基于推理信息量的BN参数学习变量离散化方法

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准。在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准。实例分析证明,通过该方法对变量进行离散化后学习得到的贝叶斯网络在推理时能得到更大的推理信息量。

解二维Poisson方程离散化线性方程组的新型二次PEk方法

建立求解二维Poisson方程边值问题离散得到的大型块三对角线性代数方程组的新型二次PE_k方法.验证了系数矩阵为M-矩阵的情形,证明了该问题利用新型二次PE_k方法的可行性,最后用数值例子说明.

数值求导的离散正则化方法

数值微分作为一个典型的反问题,在Hadamard意义下是不适定的,即在求导中函数的微小扰动就可能导致计算上很大的误差。本文首次利用目前处理不适定问题的、广为采用且相当有效的Tikhonov正则化方法,讨论了用离散正则化方法处理数值求导的有关理论和技术问题,包括离散正则解的收敛性、稳定性以及在原始数据误差水平已知和未知情况下的正则参数选取问题,给出了稳定和有效的算法,并在Matlab环境下加以实现,而且进行了成功的数值试验和对比试验研究。理论分析和数值试验表明:利用本文所给的离散正则化算法求导,具有精度高和数值稳定性好、抗干扰性能强等优点。

一种离散化方法及其在船台等弹性地基板中的应用

介绍一种离散化方法，该法通过引入满足边界条件的正交形函数，将目前用于梁、杆等一维结构系统的离散元法（ｔｈｅｃｅｌｌｄｉｓｃｒｅｔｉｚａｔｉｏｎｍｅｔｈｏｄ）扩展应用于薄板结构系统的分析。通过对某船厂斜坡造船台船台板的计算，其结果与常用的近似梁法、有限差分法及有限元法的计算结果进行了比较。

基于精确缩尺和粗粒化的颗粒材料FDEM模拟方法

颗粒材料具有非连续、离散性等特征,在进行数值模拟时面临着较大的计算压力。通过将精确缩尺准则和粗粒化方法引入到连续-离散耦合(combined finite-discrete element method,FDEM)方法中,旨在为加速基于FDEM的颗粒材料数值模拟提供一种解决方案。基于精确缩尺和粗粒化等理论,推导了FDEM中应遵循的精确缩尺准则,在此基础上分别进行了等粒径颗粒体系及二元颗粒体系的三轴剪切数值试验。试验结果表明,在未引入精确缩尺准则时,粗粒化模型表现的力学响应特征会发生改变,结果出现失真,因此必须对粗粒化模型参数进行修正。引入精确缩尺准则后,粗粒化模型的力学响应特征会得到补正。试验结果论证了FDEM引入精确缩尺准则和粗粒化方法的有效性,即能在近似原始颗粒体系的条件下大幅度提升采用FDEM进行颗粒材料数值模拟的计算效率。基于数值试验结果进行了宏细观力学分析,宏观应力变形和细观接触力相互映证,揭示了精确缩尺和粗粒化方法的细观力学机理。

Rough Set中基于聚类的连续属性离散化方法

分析了一些Rough Set中连续属性离散化的方法，指出了其中的某些不足，并给出了一个基于聚类的连续属性离散化的方法。对当前的论域中的例子根据相似性进行聚类， 对每个聚类在各属性轴上的投影的边界设离散断点。该方法考虑了各属性之间的相关性，能得到比较合理的离散结果。

永磁同步电机无速度传感器控制离散化方法研究

基于定子电流模型参考自适应的永磁同步电机无速度传感器控制算法简单,对参数扰动具有较强鲁棒性,适用于中高速运行场合下的转子位置估计。利用数字处理器执行无速度传感器控制算法时,需要将连续的电机时域模型转换为离散模型,常用的前向欧拉方法随着离散化步长的增加,已不能构造准确的可调模型。本文以内置式永磁同步电机无速度传感器控制为目标,分析在开关频率变化时,七种不同离散化方法对于转子位置估计精度的影响。仿真与实验结果表明,当开关频率大于5kHz时,采用前向欧拉法或阶跃响应法,可以节省控制器运算资源,防止数字系统超限;在低开关频率2kHz下,采用斜坡响应变换法或时移阶跃响应变换法可兼顾转子位置估计精度与运算时长要求,更加适用于大功率、低开关频率的场合。