1) Bayes Least Squares-Gaussian Scale Mixture(sBLS-GSM)
贝叶斯最小平方-高斯尺度混合模型
2) Gaussian scale mixture model
高斯混合尺度模型
1.
The traditional wavelet-denoising is based on a selection of the threshold,but a new method based on statistical model in wavelet domain is presented,in which the prior statistical model is Gaussian scale mixture model.
针对传统阈值小波去噪方法未考虑小波域尺度内和尺度间系数相关性的问题,采用基于小波域统计模型的新型去噪方法,图像小波域的先验统计模型采用高斯混合尺度模型。
3) Bayesian least squares estimator
贝叶斯最小平方估计
4) Bayesian least squares(BLS)estimator
贝叶斯最小平方(BLS)估计
5) BAYESIAN combined model
贝叶斯组合模型
1.
Study of short-term freeway traffic flow prediction based on BAYESIAN combined model;
基于贝叶斯组合模型的短期交通量预测研究
6) Gaussian scale mixtures(GSM)
高斯尺度混合(GSM)
1.
By combining nonsubsampled contourlet transform with Gaussian scale mixtures(GSM),the marginal distributions of neighbor coefficients in the nonsubsampled contourlet domain are modeled.
提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。
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