1) Bayesian network
贝叶斯网
1.
Bayesian network modeling based on CBR and RBR;
基于案例和规则推理的贝叶斯网建模
2.
Research state and future trend of Bayesian network structure learning;
贝叶斯网结构学习的研究现状及发展趋势
3.
Development and application of expert system platform based on Bayesian network;
基于贝叶斯网的专家系统平台的开发与应用
2) Bayesian networks
贝叶斯网
1.
Application of structural EM algorithm to learning Bayesian networks for small sample;
结构化EM算法在小样本贝叶斯网络学习中的应用
2.
Research on the Bayesian Networks Inference;
贝叶斯网络推理算法研究
3.
A survey for learning and application research of Bayesian Networks
贝叶斯网的学习与应用研究综述
3) Bayesian networks
贝叶斯网络
1.
Application of Bayesian networks in the risk decision of mining investment;
矿业投资风险决策的贝叶斯网络方法
2.
Methods of mapping fault trees with house events into Bayesian networks;
存在房形事件的故障树向贝叶斯网络的转化
3.
Empirical study on bayesian networks in english ability test in higher vocational college;
贝叶斯网络在高职英语应用能力考试中的应用研究
4) Bayesian network
贝叶斯网络
1.
A method of data rectification based on Bayesian network;
基于贝叶斯网络的数据校正方法
2.
Remote Sensing Monitoring of Soil Salinization Based on Bayesian Network Classification.;
基于贝叶斯网络分类的土壤盐渍化遥感监测
3.
A bayesian network approach to accident analysis;
基于贝叶斯网络的一种事故分析模型
5) Bayesian belief network
贝叶斯网络
1.
Application of Bayesian belief network in prediction of effects of blood-activating and stasis-eliminating of Chinese herbal medicines;
贝叶斯网络在中药活血化瘀功效预测中的应用
2.
It also presents the algorithms of training period and detecting period based on time window,builds Bayesian belief network to determine whether the suspicious behaviors are normal ones or not,so the accuracy is improved.
在分析现有入侵检测技术和系统的基础上,本文提出了一种基于数据挖掘和可滑动窗口的异常检测模型,该模型综合利用了关联规则和序列模式算法对网络数据进行充分挖掘,分别给出了基于时间窗口的训练阶段和检测阶段的挖掘算法,并建立贝叶斯网络,进一步判定规则挖掘中的可疑行为,提高检测的准确率。
3.
This is a paper to measure the five flavors of Chinese medicinal components using the Bayesian belief network (BBN).
目的:应用贝叶斯网络学习算法预测中药有效组分的五味。
6) Bayes network
贝叶斯网络
1.
Identification of air attack targets based on Bayes network;
基于贝叶斯网络的空袭兵器识别
2.
Identify ships based on Bayes network;
基于贝叶斯网络的舰船识别
3.
Combinatorial Bayes network in fault diagnosis of power transformer
基于组合贝叶斯网络的电力变压器故障诊断
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