1) small data set
小数据集
1.
An approach to learning Bayesian networks from small data set;
一种基于小数据集的贝叶斯网络学习方法
2.
It is incredible to learn Bayesian network structure directly from small data set.
针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,可不需要完全结点顺序的先验知识,但能够结合专家的部分结点顺序信息,实验结果显示了这种方法的有效性和可靠性。
3.
Research on parameters learning of Bayesian network with multi-father nodes from small data sets is important and challenging.
具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心。
2) minimum dataset
最小数据集
1.
Establishing a minimum dataset for soil quality assessment based on soil properties and land use change;
基于土壤特征和土地利用变化的土壤质量评价最小数据集确定
3) small data set packing
小型数据集组装
4) small sample size problem
小样本数据集问题
5) minimum real-time data acquisition system
实时数据采集最小系统
6) extremely large or small datasets
极大或极小数据集
1.
This thesis is about the study on learning Bayesian Network from extremely large or small datasets and its application.
本文对极大或极小数据集下的贝叶斯网络学习进行了研究,并提出了相关的解决方案。
补充资料：数据通信网(见数据通信)
数据通信网(见数据通信)
data communication network
shu)u tongxinwang数据通信网(datac。mmunicati。nne饰ork)见数据通信。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条