《表2 汉明距离对比:一种学习稀疏BN最优结构的改进K均值分块学习算法》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《一种学习稀疏BN最优结构的改进K均值分块学习算法》
下面我们分析OS-IKM算法是否能达到和其他算法相同的精度,结果如表2所示.本文首先使用汉明距离进行比较,下表中A(NG*)表示最终习得的网络与真实网络相比多余的边,M(NG*)表示最终习得的网络与真实网络相比缺失的边,I(NG*)表示最终习得的网络与真实网络相比反向的边,汉明距离=多余边+缺失边+反向边,即H(NG*).结构学习得出的网络与真实网络之间的汉明距离越小,说明与真实网络相似度越高,精确度越高.
图表编号 | XD00166709100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 高晓光、王晨凤、邸若海 |
绘制单位 | 西北工业大学电子信息学院、西北工业大学电子信息学院、西北工业大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |