1) Lindely Bayes form
Lindely Bayes近似算法
2) approximate Bayesian limits
Bayes近似限
1.
Takingthe conjugate and noninformative prior distribution, the approximate Bayesian limits of the failurerate λ=λ0+λm.
当取共轭型与无信息先验分布时，给出了增长试验最后阶段的失效率λ=λ0＋λm及可靠度R（t）=eλt的Bayes近似限，并用数值例说明其方法。
3) approximate method
近似算法
1.
Example shows that the approximate method is of a good future.
探讨了以新方法为基础的塑性力学问题近似数值算法,实例表明,这一近似算法有较好的实用性。
2.
A new approximate method is presented for max-vertex-cover problem,and its performance guarantee is analyzed.
给出了求解最大顶点覆盖问题的一种近似算法,讨论了它的性能保证,利用P ipage技术,为最大顶点覆盖问题设计出了0。
3.
A new approximate method is presented for max cut with given size of parts,and its performance guarantee is analysed.
给出了求解限定顶点个数为p的最大割问题的一种近似算法,讨论了它的性能保证,利用Pipage技术,为最大割问题设计出了0。
4) approximation algorithm
近似算法
1.
An approximation algorithm about regional networks problem;
求解区域网络问题的近似算法
2.
Randomized approximation algorithm for weighted set cover problem;
带权集合覆盖问题的一种随机近似算法
3.
Improved approximation algorithm for snowblower problem;
关于吹雪机问题的改进近似算法
5) approximation algorithms
近似算法
1.
Improved Evolutionary Approximation Algorithms for TSP;
改进的演化近似算法求解TSP问题
2.
Finally, some approximation algorithms are.
本文以总流程为最优准则研究调整时间独立于加工时间的两机器流水作业问题 ,给出了问题最优解中工件排序应满足的条件 ;其次讨论当工件的两种时间满足一定条件时最优时间表的求法 ;最后给出几个近似算
3.
The approximation algorithms of the Steiner tree problems in these two models is presented.
我们分别给出了这两个模型下斯坦纳树问题的近似算法,并对算法性能儆了理论分析和证明。
6) approximate algorithm
近似算法
1.
An approximate algorithm for minimum vertex cover set of a graph;
求图的最小顶点覆盖集的一个近似算法
2.
An Approximate Algorithm for the Q_4／／C_(max) Problem with Two Spercial-Purpose Machines and two General-Purpose Machines;
具有两台专用机、两台通用机的Q_4//C_(max)问题的近似算法
3.
An approximate algorithm for nonlinear integer programming;
非线性整数规划的一个近似算法
补充资料：Bayes公式
Bayes公式
Bayes formula
Ba孵s公式l枷yesl奄旧llula;B哺政，加pMyJI.} 一个公式，利用它可由事件(或假设)的先验概率计算其后验概率.设A、，…，A。是互斥事件的一个完全组:日A一。，A厂)A二⑦(i有).则在给定事件B，p(B)>0，发生之下，事件4，的条件概率户(A，}B)可由Bayes公式 P‘A.、P(B IA‘) p(A，!B)==一丁一一一一一一一(，，· 艺p(A，)p(Bl刀，) 口二几求出，这里P以)是A的先验概率，户(B}A，)是在给定事件A(尸以)>0)发生的条件下，事件B的条件概率，这公式是T.Bayes在1 763年证明的. 公式(*)是下述抽象化的Bayes公式的一个特例.设口和七为取值于可测空间(0，B砂和(X，Bx)的随机元，且E}g(0){<抢，对任一集合A任凡二可。:心伽)}，令 G‘A’二艺“‘“‘·，，〔“月‘。，，厂。’‘。，尸‘d·，，这里凡二a伽:口回)，而众回是集合A的指示函数，则测度G对测度户为绝对连续(G《P)，且〔!g(0)}乓1回二(dG/dP)伽)，后者是G对P的Radom一Niki心ym导数.
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