搜索资源列表
Bayer
- 贝叶斯公式在临床中的应用是利用贝叶斯公式根据验前概率和条件概率来推算验后概率, 进而帮助诊断患者到底患种疾病中的哪一种。具体方法是根据以往积累统计资料, 对种疾病的验前概率人及各种条件概率人进行估算。在诸症状的一种具体组合已经出现的条件下, 按贝叶斯公式计算出各种疾病在这种具体症状组合下发生的概率即验后概率。比较各疾病的验后概率。如果某疾病人的验后概率明显大于其它疾病的验后概率, 便可诊断患者患的哪种疾病。-According to mass statistical results, try t
Bayesian_probability_algorithm
- 贝叶斯学习概率的算法设计Bayesian probability algorithm-Bayesian probability Bayesian probability algorithm algorithm
pmtk3-24October2010
- 关于贝叶斯统计估计，图像模型，概率计算的程序包-Provide a unified conceptual and software framework encompassing machine learning, graphical models, and Bayesian statistics
Space-Time-BCS-
- 一种空时贝叶斯压缩感知算法，用在认知无线电中，大大提高了检测概率-Perception of space-time compression of a Bayesian algorithm, used in the cognitive radio, greatly improving the detection probability
PatterRecognition-4.0
- 模式识别 作业 实现自动产生样本，并用最近距离法，贝叶斯分类，Parzen窗概率密度估计-Pattern recognition operations automatically generate the sample, and with the recent distance method, Bayesian classifier, Parzen window probability density estimation
bayes
- 用matlab实现的贝叶斯分类算法，基于先验概率等-bayes algorithm use the matlab,
parzenmoshishibie
- 用parzen来计算所选的数据的概率密度函数，所选的窗函数是方窗，最后基于最小错误率的贝叶斯进行分类-With parzen selected data to calculate the probability density function, the selected window function is the side window, and finally the smallest error rate based on Bayesian classification
bayes
- 机器学习中关于贝叶斯公式和全概率公式的PPT讲解 很全面细致-Bayesian machine learning on the total probability formula and the formula is very comprehensive and detailed explanation of PPT
localization-RSSI
- 。通过对传统定位算法原理和误差来源进行分析，结合贝叶斯滤波概率模型对Euclidean定位算法进行 改进，使接收信号强度指示器随机波动得到有效的抑制。-. By traditional positioning algorithm principle and source of error analysis, probability model with Bayesian filtering algorithms to improve positioning of the Euclidean,
moshishibie(2)
- 模式识别 贝叶斯决策理论 概率密度函数估计 线性判别函数 非线性判别函数 临近法-Bayesian decision theory, pattern recognition, probability density function estimated linear discriminant function method of nonlinear discriminant function near
Minimum-Bayes-classifier-error-rate
- 这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度
Minimum-Risk-Bayes-classifier
- 这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从
gender-classification-experiments
- 这是用身高体重数据进行性别分类的实验。 用最小错误率贝叶斯分类器决策时，首先通过比较概率大小判断一个体重身高二维向量代表的人是男是女，然后再逐一与已知性别的数据比较，就可以得到错误率的统计。然后改变先验概率，重复上面的过程，观察数据结果的变化。 用最小风险贝叶斯分类器决策时，首先求出用最小错误率贝叶斯分类器得到的条件概率；然后根据人为给定的决策表，根据公式算出条件风险；然后逐一比较条件风险，找出使条件风险最小的决策（也就是分类）。最后用分类得到的结果逐一比较已经知道的原始数据，统计处错误
Bayesian-learning-theory
- 贝叶斯学习理论使用概率去表示所有形式的不确定性，学习和推理都通过概率规则来实现。-Bayesian learning theory using the probability that all forms of uncertainty, learning and reasoning by probability rules . Bayesian learning , the results of the probability distribution of random variables ,
bayes
- 这是最小错误概率贝叶斯程序 测试效果较好 大家-This is the minimum error probability of Bayesian procedures to test the effect of good everybody have a look
didigtal-image
- 基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更 -image processing
bayesleastrisk
- 基于最小错误概率和最小风险的贝叶斯分类器-Based on the minimum probability of error and minimum- risk Bayesian classifier
T-HOMEWORK
- 用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别.2． 同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。3．选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。-Use Parzen Wi
1
- 利用最小错分概率贝叶斯分类器进行图像分类的基本方法-Minimum probability of misclassification Bayesian classifier for image classification
MyAstar
- 人工智能主观贝叶斯算法，根据充分性度量LS、必要性度量LN、E的先验概率P（E）和H的先验概率P（H）作为前提条件，分析P（H/S）和P（E/S）的关系。-Artificial intelligence subjective Bayesian algorithm