基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
贝叶斯网将概率论和图论相结合,是一种描述随机变量间依赖关系,并能紧凑高效的表示联合概率分布的概率图模型,近年来已成为人工智能理论中处理不确定性问题的重要工具,面向大数据的贝叶斯网学习方法一个重要问题.论文给出了基于分治算法的高维贝叶斯网学习新思路,并给出了其在图像分割领域中的应用策略.
推荐文章
基于贝叶斯分类的水平集MR图像分割方法
MRI
图像分割
水平集
贝叶斯分类
窄带法
基于MapReduce的贝叶斯网络参数学习方法
大数据
贝叶斯网络
参数学习
期望最大化算法
MapReduce
自动交互图像分割中的贝叶斯网络模型构建
超级像素点
贝叶斯网络模型
交互分割
图像分割
基于因果效应的贝叶斯网络结构学习方法
贝叶斯网络
阿尔茨海默病
K2算法
因果效应
BDe评分
互信息
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于分治策略的贝叶斯网学习方法及在图像分割中的应用
来源期刊 网络空间安全 学科
关键词 贝叶斯网 图像分割 分治算法
年,卷(期) 2016,(5) 所属期刊栏目 应用实践
研究方向 页码范围 65-66,69
页数 3页 分类号
字数 828字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于帅 吉林大学软件学院 10 23 3.0 4.0
2 姜威 中国科学研究院长春光学精密机械与物理研究所应用光学国家重点实验室 5 33 3.0 5.0
3 段宏英 吉林大学软件学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (17)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (0)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(4)
  • 参考文献(3)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
贝叶斯网
图像分割
分治算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
网络空间安全
月刊
1674-9456
10-1421/TP
16开
北京市海淀区紫竹院路66号赛迪大厦18层
82-938
2010
chi
出版文献量(篇)
3296
总下载数(次)
16
论文1v1指导