2) Bayesian rough set
贝叶斯粗糙集
1.
Bayesian rough set model based on multiple decision classes
一种基于多决策类的贝叶斯粗糙集模型
2.
The Bayesian rough set model is a modified rough set model, it can avoid what Palawk rough set describes classification is precise completely, simultaneity it needn t give parameters previously like variable precision rough sets model.
贝叶斯粗糙集模型是一种修正的变精度粗糙集模型,它既能克服粗糙集模型所描述的分类是完全精确的,同时又不需要象变精度粗糙集模型需要预先给定参数,因此在人工智能与认识科学领域有重要的作用。
3.
Based on Bayesian Rough Set, introducing the distinction between Bayesian matrix, frequency of use of properties and attributes as a stimulating factor in the length, the article gives the Bayesian rough set attribute reduction algorithm for another, and finally put forward a Based on the characteristics of a color image classification model and its classification algorithm.
基于贝叶斯粗糙集,引入贝叶斯区分矩阵,采用属性的出现频率与属性的长度作为启发因素,并以此给出了贝叶斯粗糙集属性约简的另外一种算法,最后提出了一种基于颜色特征的图像分类模型及其分类算法。
3) Naive Bayes Arithmetic
粗糙贝叶斯算法
4) rough set model
粗糙集模型
1.
This chapter mostly tells the rough set model under equivalence relation,common relation and probability,gives their definition property and respective kinds of definition type,the relationship between them,and examples.
主要叙述在等价关系、一般关系和概率论中的粗糙集模型,给出它们的定义、性质、各自的几种定义类型和它们之间的联系以及若干例子。
2.
The validity of the algorithm is verified by examples and the important theoretical foundation can then be provided to solve the problem of the rough set model with incomplete information system.
对基于最大相容类的粗糙集模型进行深入的研究,提出两种此模型下的容差类,并从最大相容类的求解算法入手进一步提出了这两种容差类求解的算法。
5) rough sets Bayes theorem
粗集贝叶斯定理
1.
The work introduced rough sets Bayes theorem and a combining rough sets reduction method.
为了对不完备信息进行有效识别,引入粗集贝叶斯定理,结合粗集约简识别方法,建立基于粗糙集的最小错误率贝叶斯决策准则,归纳出不完备信息模式的一种统计意义上的识别方法。
6) Bayesian model
贝叶斯模型
1.
Experimental Researches of Sequential Decision-Making under Imperfect Information——Experimental Tests of the Bayesian Model for Herd Behavior;
不完美信息下序贯决策行为的一项实验考察——关于羊群行为的贝叶斯模型实验检验
2.
Different Bayesian models were constructed with known and unknown information in the process variance,and then the prediction model of the quality characteristics was constructed.
为解决统计过程调整问题,建立了统计过程调整问题模型,采用公差设计和参数设计中的非均衡失效成本作为过程调整的评价指标,构建了过程方差参数未知和已知条件下的过程参数估计贝叶斯模型,进而构建了相应的质量特性值的预测模型。
3.
The Bayesian model and the transferable belief model (TBM) are applied separately to solve an underwater target identification problem.
本文将贝叶斯模型和TBM模型这两种数据融合方法分别应用于一个水下目标识别问题,并对应用效果进行了分析比较。
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