1) the Bayesian notion of confirmation
贝叶斯认证理论
2) Bayesian theory
贝叶斯理论
1.
Application of Bayesian theory in multiband SAR images fusion for classification;
贝叶斯理论在多波段SAR图像分类融合中的应用
2.
Algorithm of image segmentation based on wavelet transform and Bayesian theory;
基于小波变换和贝叶斯理论的图像分割算法
3.
Evaluation of statistics of multiple defects in bored piles using Bayesian theory;
基于贝叶斯理论的灌注桩多个缺陷统计特性分析
3) Bayesian theorem
贝叶斯理论
1.
Bayesian theorem based on-line leakage detection and localization of municipal water supply network;
基于贝叶斯理论的城市供水管网泄漏在线检测与定位
2.
Three-parameter AVO waveform inversion based on Bayesian theorem;
基于贝叶斯理论的AVO三参数波形反演
3.
Simultaneous three-term AVO inversion based on Bayesian theorem;
基于贝叶斯理论的振幅随偏移距变化三参数同步反演
4) bayesian
贝叶斯理论
1.
Test on a Weapon Spare Part Demand Model Based on Bayesian Theory
基于贝叶斯理论的武器备件需求模型检验
2.
Multiple classification methods are introduced and a Bayesian-based Compound Classification Method (BCCM) is presented, which makes prediction by combining the prediction of multiple classifiers according to their accuracy matrix.
在研究分析多种适用于医学诊断的分类方法的基础上,论文提出基于贝叶斯理论的复合分类方法(Bayesian-based Compound Classification Method,BCCM),采用条件概率计算的方法组合多个分类器的诊断结果以提高分类准确率。
3.
Research on the Urban Land Use Dynamic Change Simulation Based on Bayesian;
本文提出基于贝叶斯理论的权重因子方法进行城市土地利用的动态变化模拟，为城市扩展模拟提供了新的思路。
5) Bayes theory
贝叶斯理论
1.
An optimization model of employee setup based on Bayes theory;
基于贝叶斯理论的员工配置优化模型
2.
Application of Data Mining with the Bayes Theory in Information of Universities;
基于贝叶斯理论的数据挖掘在高校信息管理的应用研究
3.
On the basis of Bayes theory and Fuzzy system theory, a new method on structural damage prediction of seismic disasters is established.
运用贝叶斯理论与模糊理论 ,提出了一种对结构物震害预测的新方法 ,该方法较充分地考虑了结构物震害的一般统计特性和某一特定结构物的特殊性 ,能较全面地反映结构物震害的实际情况 。
6) Bayesian epistemology
贝叶斯认识论
1.
Bayesian epistemology is a theory of knowledge that developed from Bayesian theorem (i.
贝叶斯认识论是以18世纪英国长老会牧师贝叶斯(Thomas Bayes,1702—1761)所提出的贝叶斯定理(即P(h|e)=P(e|h)P(h)/P(e))为基础,再加上简单规则(即一个人得到辩护地相信假说h,当且仅当h的概率非常高)而发展起来的一种认识论理论。
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