《表3 离散变量(occluded)的条件概率表(单位:%)》

  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

《智能车多类障碍物贝叶斯网络分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

按图2（c）加入预设经验的NPC网络结构模型进行参数训练，将迭代次数设置为0，收敛阈值设置为10-4，使学习过程忽略最大迭代次数，只要达到收敛阈值时便终止学习.训练后得到三个连续变量（length，width，height）的条件概率分布如表2所示.其中，MeanH、MeanL、MeanW分别代表目标实际高度、长度，宽度的均值；VarianceH、VarianceL、VarianceW分别代表目标实际高度、长度、宽度的方差.一个离散变量（occluded）的条件概率表如表3所示.