1) fuzzy-bayesian
模糊贝叶斯推断
2) Bayesian inference
贝叶斯推断
1.
Bayesian Inference and Analysis of Portfolio Efficiency;
贝叶斯推断与资产组合有效性检验
2.
Study on measuring model of operational risk applying Bayesian inference
基于贝叶斯推断的操作风险度量模型研究
3.
The purpose of this paper is to summary the literatures on tests of portfolio mean-variance efficiency in the framework of classical statistics and Bayesian inference.
评述了应用经典统计学和贝叶斯推断检验资产组合均值方差有效性的文献,提出了这些方法在我国应用-的可能性。
3) Variational Bayesian inference
变分贝叶斯推断
4) fuzzy Bayesian networks
模糊贝叶斯网络
1.
In order to deal with the complexity and uncertainty in medical diagnosis,this paper proposed a new method based on fuzzy Bayesian networks,and applied it to the classification of astrocytoma malignant degrees.
针对医学影像诊断的复杂性和不确定性,首次提出将模糊贝叶斯网络应用于星形细胞瘤恶性程度的诊断,通过采用条件高斯模型对连续输入进行模糊化处理,利用专家知识和数据,并通过机器学习,建立了星形细胞瘤恶性程度分级的概率模型。
2.
This study proposes a form of fuzzy Bayesian networks fusing continuous low-level image features and high-level semantics,which uses Gaussian mixture models(GMM) to make a fuzzy procedure.
本研究提出一种新的融合影像低层视觉特征和语义的模糊贝叶斯网络模型,使用了高斯混合模型(GMM)对连续的视觉特征模糊化处理,解决了传统贝叶斯网络不能操作连续输入的问题,更合理地表达了具有模糊性、不确定性的专业领域的结构性知识。
3.
Aiming at the diversity,uncertainty and illegibility of battle damage assessment(BDA) data sources,based on the merit of fuzzy set theory which can convert the crisp variable to discrete variable and the Bayesian networks have advantages on deal with uncertainty inference,the battle damage assessment method based on the fuzzy Bayesian networks(FBN) was brought out.
针对战场战斗损伤评估信息的多样性、不确定性和模糊性,基于模糊理论易于将清晰变量离散化与贝叶斯网络易于进行不确定性推理的优点,提出应用模糊贝叶斯网络对UCAV对地攻击效果进行分析评价,建立了对地攻击损伤评估的模糊贝叶斯网络模型,给出了基于模糊贝叶斯网络的损伤评估的推理决策方法,并且对该方法进行了仿真分析。
5) fuzzy Bayes' formula
模糊贝叶斯公式
6) fuzzy Bayesian analysis
模糊贝叶斯分析
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