43、实验所用特征

实验所用特征

1. 引言

在机器学习和边缘计算的领域中，特征的选择和处理对于模型的性能和资源消耗有着至关重要的影响。本文将详细介绍在实验中使用的一系列特征，特别是与噪声可扩展贝叶斯网络（ns-BN）相关的特征。这些特征用于不同的任务和场景，旨在优化模型的性能，同时最大限度地减少资源消耗。通过这些特征的描述，读者可以更好地理解和复现实验结果，从而为实际应用提供有价值的参考。

2. 数字缩放 ns-BN 的合成数据集

合成数据集在机器学习研究中起着重要作用，因为它可以帮助研究人员在控制环境下测试模型的性能。本文使用的合成数据集由从四个高斯分布 ( N(m_i, \sigma_i) ) 中抽取的 2000 个点组成，其中 ( i = {1, 2, 3, 4} )。每个高斯分布的均值和协方差矩阵如下：

• ( m_1 = (-1.66, -0.33, -0.33, -2.00) )
• ( m_2 = (1.00, 0.5, 1.00, 1.00) )
• ( m_3 = (3.33, 2.00, 0.5, 0.5) )
• ( m_4 = (-1.66, -1.43, -0.66, -3.33) )

协方差矩阵分别为：
- ( \sigma_1 = (0.80, 1.00, 1.00, 1.00) )
- ( \sigma_2 = (0.70, 1.00, 1.00, 1.00) )
- ( \sigma_3 = (1.00, 1.00, 1.00, 1.00) )
- ( \sigma_4 = (1.00, 1.00,