1) Baysian
贝叶斯分割
2) 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。
3) Bayesian classification
贝叶斯分类
1.
Study on the Strategy of Bayesian Classification of CSCL Automatic Heterogeneous Group;
基于贝叶斯分类的CSCL自动异质分组策略研究
2.
Research and Implementation of Rule-Learning Model of Intrusion Detection Based on Bayesian Classification;
基于贝叶斯分类的入侵检测规则学习模型的研究与实现
3.
Anti-spam model based on semi-Naive Bayesian classification model
基于不完全朴素贝叶斯分类模型的垃圾邮件分类模型
4) Bayesian analysis
贝叶斯分析
1.
Bayesian Analysis of Stochastic Volatility Model with Leverage Effect and Its Application;
具有杠杆效应SV模型的贝叶斯分析及其应用
2.
A new combined forecasting in this paper was introduced,which was on the basis of Bayesian analysis,Experts experience,MCMC,Gibbs sample and real-time emendation function.
针对历史洪水数据不丰富的流域难于利用多种水文组合预报模型进行洪水预报的现状,构建了以贝叶斯分析为基础,同时结合专家经验、马尔科夫蒙特卡洛模拟、Gibbs抽样法,并引入实时校正的组合预报模型。
3.
Aiming at the two situations-abundance or lack of history flood data,the combined forecasting models separately based on multi-objective fuzzy optimization theory and Bayesian analysis theory are proposed correspondingly.
针对历史洪水数据丰富和相对贫乏两种情况,分别提出基于多目标模糊优选和基于贝叶斯分析的组合预报模型。
5) Bayes classification
贝叶斯分类
1.
Principle and algorithm of incremental Bayes classification;
增量式贝叶斯分类的原理和算法
2.
The definition and methods of data classification are discussed,and algorithms of decision tree and simple Bayes classification and Bayes network reasoning are introduced.
讨论了数据分类的定义和方法,介绍了决策树分类和简单贝叶斯分类以及贝叶斯网络推理的算法,并给出具体的数据分类实例,利用过去已有的引进人才的经验数据分析提取规则,为以后的人才识别提供合理的、科学的技术支持。
3.
This system integrates inspection technology for filtering spam such as rules-filtering,Bayes classification,virus scanning and black/white list.
该系统整合规则过滤、贝叶斯分类、病毒检测和黑/白名单等垃圾邮件检测技术,采用评分方法判断邮件的垃圾性,并利用规则过滤给贝叶斯分类提供学习样本,提高了系统对新垃圾邮件的适应性。
6) Bayes analysis
贝叶斯分析
1.
Bayes Analysis of Continuous-Time Assets Return Models;
连续时间资产收益模型的贝叶斯分析
2.
Based on statistical decision-making and bayes analysis,combining the expert information with collected data,the production definition′s opportunity of weapons with pipes is determined quantitatively,which provids the theoretical and data-dependent support for the definition committee′s decision-making.
提出以大型试验批个数来确定身管武器生产定型时机的方法,并依据统计决策与贝叶斯分析方法,结合专家信息与收集的数据,对身管武器生产定型时机作出量化判定,为定型委员会的决策提供理论与数据支持。
3.
To overcome the hardship of enacting the pre-probability distribution with high certainty factor,this paper proposes one novel way of applying Bayes analysis to classify pattern.
针对模式分类中高置信度的先验概率分布难以设定的问题,提出了一种新的应用贝叶斯分析进行模式分类的方法。
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