1) BayesShrink thresholding
贝叶斯萎缩阈值
2) BayesShrink
贝叶斯萎缩
3) Bayesian shrinkage function
贝叶斯萎缩函数
1.
Based on this model in a Bayesian framework, a spatially adaptive Bayesian shrinkage function was obtained and each modified coefficient was decided separately.
该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。
4) threshold shrink
阈值萎缩
1.
By using threshold shrink, the paper presents a de-noise method of color images based on wavelet translation, Several experiments confirm its better effects.
针对加了高斯噪声的彩色图象,通过选择合适的小波基使用小波萎缩法的阈值萎缩法进行去噪,取得了相对中值滤波和均值滤波更好的效果。
5) threshold Bayesian distance classifier
阈值贝叶斯分类
1.
The threshold Bayesian distance classifier is used to classify steganography in the high-dimensional feature vector space.
提出了一种基于双向马尔可夫模型的JPEG图象的通用隐写分析方法,利用量化后分块DCT系数的中低频系数间的相关性,提取DCT块内和块间的特征,采用阈值贝叶斯分类方法进行识别,并且与SVM分类器的识别效果进行了比较。
6) Bayesian shrinkage
贝叶斯软阈值
1.
A novel SAR despeckling method using Bayesian shrinkage in local wavelet coefficient domain is presented.
提出了一种抑制SAR图像斑点噪声的小波域贝叶斯软阈值方法。
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