1) Bayesian decision
贝叶斯决策
1.
Built-in test false alarm filtering technique based on Bayesian decision;
基于贝叶斯决策的机内测试虚警滤波技术
2.
Face detection method based on neural network and Bayesian decision;
一种基于神经网络和贝叶斯决策的人脸检测方法
2) Bayes decision
贝叶斯决策
1.
Image segmentation based on the minimum risk Bayes decision;
基于最小风险贝叶斯决策的织物图像分割
2.
Apple image segmentation based on the minimum error Bayes decision;
基于最小错误率贝叶斯决策的苹果图像分割
3.
Application of Bayes decision technique for intermediate and late phase for optimizing emergency to nuclear accidents;
贝叶斯决策理论在核事故中、晚期应急决策优化中的应用
3) Bayesian decision making
贝叶斯决策
1.
In this paper, the Bayesian decision making is introduced to extend the contract net protocol, and a multi-agent negotiation system architecture is constructed.
通过深入分析多智能体的协商框架、协商模型和协商过程等,在合同网协议的基础上,构建多智能体协商体系框架,并结合贝叶斯决策方法,来建立自学习协商模型。
2.
Against background of water resources system, the method of conventional Bayesian decision making and the concept of imprecise probability distribution are discussed.
首先以水资源系统为背景，探讨了贝叶斯决策的观点、方法及传统贝叶斯方法的局限性，介绍了不精确概率分布的概念、定义；然后提出了基于有限状态空间不精确概率分布的风险型决策方法，指出了经典的效用函数决策方法及完全不确定型决策方法是该方法的两个特殊情形；最后给出了演示该方法的算
3.
In this paper,the Bayesian decision making is imported to extend the contract net protocol,and a multi-agent negotiation system architecture is constructed.
本文通过对多智能体的协商框架、协商模型和协商过程等进行深入的分析,在合同网协议的基础上构建多智能体协商体系框架,并结合贝叶斯决策方法来建立自学习协商模型。
4) Bayes decision-making
贝叶斯决策
1.
On the Application of Bayes decision-making in Project Practice;
贝叶斯决策方法在工程实践中的应用
5) Bayesian Decision Tree
贝叶斯决策树
1.
Application of Bayesian decision tree to recognition of English present participle
贝叶斯决策树在英文现在分词词性识别中的应用
6) Bayesian decision theory
贝叶斯决策理论
1.
Bayesian decision theory relevance feedback method based on minimum risk
基于最小风险的贝叶斯决策理论相关反馈方法
2.
Bayesian decision theory is a basic method of Statistical Pattern Recognition.
贝叶斯决策理论是统计模式识别中的一个基本方法。
3.
Bayesian decision theory as part of the modern inductive logic has had a great influence on the development of inductive logic.
贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。
补充资料：贝叶斯公式
贝叶斯公式为利用搜集到的信息对原有判断进行修正提供了有效手段。在采样之前，经济主体对各种假设有一个判断（先验概率），设为，{}。
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
关于先验概率的分布，通常可根据经济主体的经验判断确定(当无任何信息时，一般假设各先验概率相同)，较复杂精确的可利用包括最大熵技术或边际分布密度以及相互信息原理等方法来确定先验概率分布。
当采样得到样本值后，当事人对各假设的判断(后验概率)为
，= 1， 2， %26#8230;， (5.5)
在实际经济生活中，信息搜寻工作不是一次就完成的。当信息搜寻进行到某一阶段，设已进行了 次采样( =1，2，%26#8230;)，此时经济主体对各假设的后验概率的认识为
=1， 2， %26#8230;， (5.6)
其中，表示在第次采样前对假设的判断，当 =1时即表示第一次采样前的先验概率，从而式(5.5)变成式(5.6)的一个特例，即，将其记为。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条