1) Bayesian theory
贝叶斯原理
1.
Based on the Bayesian theory,the paper puts forward a measurement model of change points and uses Matlab to imitate the model.
依据贝叶斯原理提出的突变点检测分析模型,用Matlab工具软件对该模型进行了仿真,并且在实证分析中应用该模型分别对上证综合指数和深证成份指数月度时间序列数据进行了突变点检测分析,准确地确定了两市的突变点,和相应的后验概率分布,并解释了突变点形成的经济和政策背景。
2) Bayes theorem
贝叶斯原理
1.
In connection with the characteristics of pile design, a new method of probability analysis is proposed according to the advanced Bayes theorem, and the calculation of a project example is give
针对桩基概率分析的特点，对传统的贝叶斯原理进行了改进，提出了通过现场试验结果修正桩基承载力的先验分布而得到桩基承载力后验分布的概率分析新方法，并介绍了一个计算实例。
3) Bayesian principle
贝叶斯原理
1.
First,we use the clustering algorithm to cluster the content words of part of the documents, find highly accurate cluster digests (partial clusters), and then use the simple Bayesian principle to classify all the texts.
本文提出了文本分类的一种新方法 ,该方法是将部分文献的内容词进行聚类 ,根据聚类的结果生成分类模型 ,再根据朴素的贝叶斯原理将文献进行归
2.
According to Bayesian principle,measurement uncertainty can be evaluated by combining the prior distribution and measurement data.
针对均值和方差都未知的正态测量样本,采用正态-倒伽玛分布作为待估参数的共轭先验分布,利用贝叶斯原理,实现对测量不确定度的评定。
4) Bayesian method
贝叶斯原理
1.
Stochastic Volatility Models Based Bayesian Method and Their Application;
基于贝叶斯原理的随机波动率模型分析及其应用
2.
In the system, Bayesian method is introduced to infer what state the design of a product is in when it is doing jointly by a client, designer and technologist at different places according to the prior kn.
在研究个性化产品定制生产模式的基础上,提出了一种针对单件小批量生产模式下大型机械产品的个性化定制系统的框架,并分析该系统的工作流程·研究采用贝叶斯原理,根据捕获的先验知识和统计数据推断三方(客户、设计人员和工艺人员)异地产品协同设计中的设计状态类别,采用Java3D技术作为三维显示实现技术,根据客户端的输入设计参数进行三维模型参数化驱动设计·考虑到系统的可移植性和网络通信要求,用Java语言开发了系统软件·借助这一系统,客户可以与设计人员共同定制出满足客户个性化需要的产品,为企业有效地满足客户多品种、小批量、多批次、短周期和高质量的消费需求提供一条新的途
5) Bayesian methods
贝叶斯滤波原理
6) Shell leaf's principle
贝叶斯原则
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