1) Bayes-adjusted control chart
贝叶斯控制图
1.
There is a comparison between a Bayes-adjusted control chart and the Cusum,then an analysis with a group of statistic simulation is proposed.
在对修正贝叶斯控制图与累积和控制图原理进行比较后,通过一组过程仿真数据对两种控制图进行了分析,指出了两种控制图的特性和应用前景。
2) Bayesian Graph
贝叶斯图
1.
This information is combined by the means of Bayesian Graph so as to identify unknown or unpredictable faults.
提出一种基于自适应学习算法的故障监测智能代理，通过分段测量抽取描述网络正常行为的ＭＩＢ变量值并检测偏差，对学习获得的信息经由贝叶斯图加以组合，从而鉴别未知的或不可预见的故障。
3) Bayesian graphical model
贝叶斯图模型
1.
Recommends a new approach to software testing based on Bayesian graphical model.
介绍了一种基于贝叶斯图模型的软件测试新方法,该方法为具有不确定性的软件测试问题的逻辑结构提供了形式化机制。
4) Bayesian minimum hazard control model
贝叶斯最小风险控制模型
1.
Bayesian minimum hazard control model of traffic accident;
交通事故贝叶斯最小风险控制模型
5) multiscale Bayesian image segmentation
多尺度贝叶斯图像分割
1.
In this paper, a multiscale Bayesian image segmentation algorithm is proposed.
提出了一种融合上下文信息的多尺度贝叶斯图像分割算法,基于多尺度MRF图像模型,将模型中各结点的邻域结点类别信息抽象为上下文,求得结点的后验边缘概率之后,在各尺度融合表征了同一尺度内及相邻尺度的邻域信息的上下文,结点在相邻结点信息的指导下,得到的分割结果在均匀区域内部及区域边界都大为改善,而且没有增加模型的复杂度,算法仍然是快速的、非迭代的。
6) Local Bayesian networks
局部贝叶斯网络图
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