sistema e método para fusão bayesiana de dados visuais
trata-se de sistema e método para fusão bayesiana de dados visuais. em um exemplo, uma pluralidade de conjuntos de dados associados a um tópico é obtida a partir de um lago de dados. cada um dentre a pluralidade de conjuntos de dados inclui informações correspondentes a vários atributos do tópico. a...
Gespeichert in:
Hauptverfasser: | , , , , , , , |
---|---|
Format: | Patent |
Sprache: | por |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | trata-se de sistema e método para fusão bayesiana de dados visuais. em um exemplo, uma pluralidade de conjuntos de dados associados a um tópico é obtida a partir de um lago de dados. cada um dentre a pluralidade de conjuntos de dados inclui informações correspondentes a vários atributos do tópico. adicionalmente, a pluralidade de conjuntos de dados se une para obter um conjunto de dados unido. além disso, a distribuição associada a um atributo-alvo é prevista com o uso de modelagem bayesiana selecionando-se uma pluralidade de atributos (k) com base em informações mútuas com o atributo-alvo no conjunto de dados unido, aprendendo-se uma estrutura bayesiana com base em árvore de varredura mínima com o uso dos atributos selecionados e do atributo-alvo, aprendendo-se tabelas probabilísticas condicionais em cada nó da estrutura bayesiana com base em árvore de varredura mínima; e prevendo-se a distribuição associada ao atributo-alvo consultando-se as tabelas probabilísticas condicionais, o que facilita a fusão bayesiana de dados visuais.
System and method for visual Bayesian data fusion are disclosed. In an example, a plurality of datasets associated with a topic are obtained from a data lake. Each of the plurality of datasets include information corresponding to various attributes of the topic. Further, the plurality of datasets are joined to obtain a joined dataset. Furthermore, distribution associated with a target attribute is predicted using Bayesian modeling by selecting a plurality of attributes (k) based on mutual information with the target attribute in the joined dataset, learning a minimum spanning tree based Bayesian structure using the selected attributes and the target attribute, learning conditional probabilistic tables at each node of the minimum spanning tree based Bayesian structure; and predicting the distribution associated with the target attribute by querying the conditional probabilistic tables, thereby facilitating visual Bayesian data fusion. |
---|