Application of Bayesian Network Learning Methods to Land Resource Evaluation

Huang、Jiejun、He、Xiaorong Xiaorong、Wan 、Youchua

2006Acta Scientiarum Naturalium Universitatis SunyatseniComputer Science被引 2

摘要

贝叶斯的网络为推理和语义表示有一个强大的能力，它与定性分析和定量分析结合了，与优先的知识和观察数据，并且提供一个有效方法处理预言，分类并且聚类。第一，这篇论文给出贝叶斯的网络和它的特征的概述，并且讨论了怎么学习贝叶斯的网络结构从给数据，然后与专家知识和数据集为陆地资源评估构造一个贝叶斯的网络模型。试验性的结果基于测试数据集是评估精确性是 87.5% ，并且 Kappa 索引是 0.826。这些证明方法的所有可行、有效，并且显示那个贝叶斯的网络是为陆地资源评估的一条有希望的途径。

引用本文（GB/T 7714）

Huang, Jiejun, He, 等. Application of Bayesian Network Learning Methods to Land Resource Evaluation[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2006.

引文网络

参考文献与被引分析加载中…

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。