1) Na(?)ve Bayes Theorem
朴素贝叶斯定理
2) Na(?)ve Bayes
朴素贝叶斯
1.
Research on Spam Filtering System Based on Na(?)ve Bayes Algorithm;
基于朴素贝叶斯算法的垃圾邮件过滤系统研究
2.
The Research on Discretization Oriented to Na(?)ve Bayes Algorithm;
面向朴素贝叶斯算法的离散化方法研究
3.
This paper implements and take affect a kind of text classification system based on feature selection of improvement mutual information and supporting Na(?)ve Bayes,the algorithm of improved mutual information intensify the mutual information of negative, offset the deficiency of improved mutual information arithmetic and improve elasifieation precision.
文章提出并实现了一种改进互信息的特征提取和支持朴素贝叶斯的文本分类系统,改进的互信息算法加强了负值单词的互信息值,弥补了原来互信息预处理算法的不足,从而提高了分类精度。
3) Naive Bayes
朴素贝叶斯
1.
New multi-relational naive Bayesian classifier;
一种新的多关系朴素贝叶斯分类器
2.
The Application of Naive Bayes Classification Model in Instructing Students in Choosing Professional Elective Course;
朴素贝叶斯分类模型在指导学生选择专业选修课方向中的应用
3.
Naive Bayes Classification Based on Genetic Algorithms;
基于遗传算法的朴素贝叶斯分类
4) nave Bayes
朴素贝叶斯
1.
An Improving Text Categorization Method of Nave Bayes;
一种改进的朴素贝叶斯文本分类方法
2.
Nave Bayes Approaches for Anomaly Detection;
利用朴素贝叶斯方法实现异常检测
3.
Improved Nave Bayesian spam filtering algorithm
改进的朴素贝叶斯垃圾邮件过滤算法
5) Naive Bayesian
朴素贝叶斯
1.
This paper proposes a vehicle classifying method based on the Naive Bayesian classifier theory.
提出一种基于朴素贝叶斯分类模型的车辆分类方法,采用车辆的实际特征数据长度和宽度作为训练样本,离线训练朴素贝叶斯分类模型,同时利于CCD摄像机采集道路车辆图像,提取车辆轮廓曲线外接矩形的长度和宽度作为测试样本,通过离线训练获得的分类器,对车辆类型进行识别。
2.
In this paper, we first introduced the vector space model (VSM) and the method of the feature vector extraction, Then deduced and analyzed the Naive Bayesian algorithm that on the supposition of "the characteristic to be mutually independent".
论文首先介绍了向量空间模型(VSM)方法以及特征向量抽取方法,推导和研究了引入“特征之间互相独立”假设的朴素贝叶斯分类算法。
3.
Naive Bayesian is an important one among many web document classification algorithms.
在众多的网页文本分类算法中,朴素贝叶斯方法因为具有简单、容易实现、工作效率高、非常适合在线处理等优点而被广泛应用,但是其分类正确率有待提高。
6) na?ve bayes
朴素贝叶斯
1.
An user knowledge based na?ve bayes classifier was proposed in order to conquer the problem that most of the E-mail is unstructured and need user s decoding.
在垃圾邮件分类和朴素贝叶斯算法研究的基础上,提出了基于用户知识的贝叶斯分类算法。
补充资料：外尔斯特拉斯－斯通定理
函数逼近论中的基本定理。外尔斯特拉斯定理是关于实变函数逼近的定理，它本身包含两个结论：外尔斯特拉斯第一定理和外尔斯特拉斯第二定理。它们是相互独立的，但又有联系，都是1885年由K.外尔斯特拉斯所得到的。斯通定理是外尔斯特拉斯定理在抽象空间中的推广。这个定理还可以推广到用抽象元素的线性组合及其乘积来实现逼近。由斯通定理可以得到很多具体的逼近定理。
外尔斯特拉斯第一定理 对于任意一个在闭区间[α,b)]上的连续函数??(x)，存在多项式序列{pn(x)}，它在[α,b)]上一致收敛到??(x)。
外尔斯特拉斯第二定理 对于任意一个在实轴上以2π为周期的连续函数g(x),存在三角多项式序列{Tn(x)}，它在实轴上一致收敛到g(x)。
这两个定理中的多项式序列 {pn(x)}和三角多项式序列{Tn(x)}都是可以直接构造出来的。这样一来,较为复杂的函数（如连续函数）就可以在所讨论的区间上用较为简单的函数（如多项式或三角多项式）近似地表达出来了，这在实用上就提供了很大的方便。进一步还可以研究多项式序列{pn(x)}(或三角多项式序列{Tn(x)})趋向于??(x)（或g(x)）的速度，这就是最佳逼近值的阶的估计。人们还研究其他函数系（如有理函数、广义多项式、分段多项式等）的逼近问题。这些结果在Lp空间中也成立，其中0<+∞。
斯通定理 1937年，斯通在抽象空间中研究了逼近定理。设A是某个度量空间中的集合,它至少含有两个不同的元素，且成立有限覆盖定理（或是紧的豪斯多夫拓扑空间）。设G是A上的连续函数集合，它构成线性空间且是环。此外，G还具有性质：对于A中任意两个不同的元素x1,x2,在G中存在函数p(x),使p(x1)≠p(x2),则对于A上的任意连续函数??(x),在G中存在函数序列{Qn(x)}，它在A上一致收敛到??(x)。
由斯通定理，可以推出多维空间中的外尔斯特拉斯定理，以及在实轴上用有理函数来逼近在实轴上连续且存在的函数??(x)的定理等。
这些定理在复平面上还有各种推广。
外尔斯特拉斯第一定理 对于任意一个在闭区间[α,b)]上的连续函数??(x)，存在多项式序列{pn(x)}，它在[α,b)]上一致收敛到??(x)。
外尔斯特拉斯第二定理 对于任意一个在实轴上以2π为周期的连续函数g(x),存在三角多项式序列{Tn(x)}，它在实轴上一致收敛到g(x)。
这两个定理中的多项式序列 {pn(x)}和三角多项式序列{Tn(x)}都是可以直接构造出来的。这样一来,较为复杂的函数（如连续函数）就可以在所讨论的区间上用较为简单的函数（如多项式或三角多项式）近似地表达出来了，这在实用上就提供了很大的方便。进一步还可以研究多项式序列{pn(x)}(或三角多项式序列{Tn(x)})趋向于??(x)（或g(x)）的速度，这就是最佳逼近值的阶的估计。人们还研究其他函数系（如有理函数、广义多项式、分段多项式等）的逼近问题。这些结果在Lp空间中也成立，其中0<+∞。
斯通定理 1937年，斯通在抽象空间中研究了逼近定理。设A是某个度量空间中的集合,它至少含有两个不同的元素，且成立有限覆盖定理（或是紧的豪斯多夫拓扑空间）。设G是A上的连续函数集合，它构成线性空间且是环。此外，G还具有性质：对于A中任意两个不同的元素x1,x2,在G中存在函数p(x),使p(x1)≠p(x2),则对于A上的任意连续函数??(x),在G中存在函数序列{Qn(x)}，它在A上一致收敛到??(x)。
由斯通定理，可以推出多维空间中的外尔斯特拉斯定理，以及在实轴上用有理函数来逼近在实轴上连续且存在的函数??(x)的定理等。
这些定理在复平面上还有各种推广。
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