正在打开页面…
按教材分类列出加权平均、Bayes、D-S和卡尔曼,依据输入与假设选用。
随机类包括加权平均、Bayes概率推理、D-S证据推理和卡尔曼滤波。加权平均直接综合冗余观测;Bayes用先验和观测更新假设概率;D-S综合证据并表示缺乏信息;卡尔曼利用状态/观测统计模型递推估计。
应分别核同量配准、先验与似然、证据框架和组合条件、动态模型与噪声假设。此处为分类入口,不推出任何方法在所有场景都更准,也不将模型与具体算法混为一个问题。
基础测试统一使用选择题,先确认概念、定义和关键判断是否扎实。
哪组对应教材随机类主要方法?
仅神经网络、模糊逻辑、专家系统
只有并联、串联、混合三个结构
加权平均、Bayes、D-S、卡尔曼
选用随机类方法应依据什么?
输入表示、目标与相应模型/统计假设
假定这些方法都使用同一个独立噪声模型
无须核配准、先验或噪声条件
暂无前置知识
暂无后续知识
暂无引用。