搜索资源列表
JavaBayes_src_v.0.346.2
- java编写的贝叶斯网络分类器（貌似没有模型构建和参数学习过程）-java prepared by the Bayesian network classifier (seemingly no model of the learning process and parameters)
BPbeyes
- 基于BP算法的贝叶斯网络参数学习， 实现了图形话的节点表示和样本生成， 图形话的结果分析
bayesnetwork
- 用k2算法从先验概率构建贝叶斯网络，实现推理，结构学习，参数学习用贝叶斯方法。-K2 algorithm using Bayesian network built from the a priori probability to achieve reasoning, structure learning, parameter learning.
minipro
- 该系统功能：实现手写识别，能通过对样例库中的数据进行学习，然后能判别、分类新的输入样例。其中包含了Kn近邻算法，贝叶斯参数估计的实现。实现了open test, close test等测试方法。-The system features: realization of handwriting recognition, through the library of sample data for study, and then to identify, classify the new input
Bys
- 贝叶斯网络的算法，它具有结构学习，参数学习，和推理的功能。-failed to translate
Example-Based_Automatic_Portraiture
- 摘 要 提出了一种基于样本学习的人脸肖像画自动生成算法.文章采用非均匀的马尔科夫随机场模型来描述肖 像画与人脸图像之间的统计关系 ,并使用基于训练样本的非参数化的概率表示 ,在贝叶斯优化的框架下设计了迭 代采样算法 ,可以自动的从人脸图像生成特定风格的肖像画.在该方法中 ,使用非均匀的统计模型是保持肖像中人 脸结构准确性的关键.文中所提供的例子表明了该文方法的有效性-Abstract In this paper , we present a new approach for au
Ex1
- 模式识别某次课程的作业，完成了高斯分布下的两种贝叶斯分类器,以及非参数的K近邻、Parzen窗方法，采用UCI机器学习数据库中的某些数据作为样本，使用交叉验证方法确定参数-Pattern recognition of a particular course work, completed under the two Gaussian Bayesian classifier, and the non-parametric K-nearest neighbor, Parzen window meth
Pattern-Recognition-ppt
- 介绍模式识别的基本概念，详述了贝叶斯，参数估计，线性分类器，神经网络，随机方法，无监督学习与聚类等-Introduce the basic concepts of pattern recognition, Bayesian detailed, parameter estimation, linear classifiers, neural networks, stochastic methods, unsupervised learning and clustering, etc.
K2
- 贝叶斯网络结构学习，及参数学习K2算法matlab代码-Bayesian network structure learning and parameter learning K2 algorithm matlab code
FullBNT-1.0.4
- MIT博士生开发的功能极强大的贝叶斯网络工具箱（MATLAB环境下），支持多种参数学习和结构学习算法，内附详细说明-MIT doctoral developed extremely powerful Bayesian Network Toolbox (MATLAB environment) to support a variety of parameter learning and structure learning algorithm, containing a detailed descr
Image-reconstruction_CS
- 合稀疏贝叶斯学习(SBL)和可压缩传感理论(CS)，给出一种在噪声测量条件下重建可压缩图像的方法。该方法将cS理论中图像重建过程看作一个线性回归问题，而待重建的图像是该回归模型巾的未知权值参数；利用sBL方法对权值赋予确定的先验条件概率分布用以限制模型的复杂度，并引入超参数- Hop sparse Bayesian learning ( SBL ) and compressible sensing theory ( CS ) , give a compressible image recon
BNT-learn
- 利用BNT产生大量样本数据进行贝叶斯网络的结构学习与参数学习。-Use a large amount of sample data BNT structure learning and parameter learning Bayesian network.
ctmzwsdz
- 有详细的注释，FmfBWqI参数是机器学习的例程，包括主成分分析、因子分析、贝叶斯分析，调试通过可以使用，JuozQXH条件预报误差法参数辨识-松弛的思想，DC-DC部分采用定功率单环控制。- There are detailed notes, FmfBWqI parameter Machine learning routines, Including principal component analysis, factor analysis, Bayesian analysis, Debug
kuewedar
- 包含收发两个客户端的链路级通信程序,zqOINtF参数包括主成分分析、因子分析、贝叶斯分析，使用拉亚普诺夫指数的公式，预报误差法参数辨识-松弛的思想，NRnyPWp条件粒子图像分割及匹配均为自行编制的子例程，是机器学习的例程。- Contains two clients receive link-level communications program, zqOINtF parameter Including principal component analysis, factor analy
tcwgbzrf
- 部分实现了追踪测速迭代松弛算法，UfKDoAK参数包含优化类的几个简单示例程序，通过matlab代码，是机器学习的例程，YGzNBvR条件验证可用，包括主成分分析、因子分析、贝叶斯分析。- Partially achieved tracking speed iterative relaxation algorithm, UfKDoAK parameter Optimization class contains several simple sample programs, By matlab
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
9cb364be040f6248013a44a3d343b582
- 贝叶斯网络的学习 。贝叶斯网络的学习分为：结构学习和参数学习。(Bias network learning. Bias network learning is divided into: structure learning and parameter learning)
BPFA_Denoising
- 利用非参数贝叶斯字典学习模型进行图像稀疏表示(use non-parametric-bayesian-dictionary-learning-for-sparse-image-representations)
adaptiveBasis
- 贝叶斯参数学习电饭锅电饭锅的辅导费规范地方(Bayesian parameter learning)
锂电池退化GPR
- 高斯过程回归是一种基于贝叶斯原理的统计机器学习方法，将先验分布通过贝叶斯定理转化成后验分布，与其他没有采用贝叶斯技巧的预测方法而言，高斯过程最大的优点是能方便地推断出超参数，同时也能方便地给出预测值的置信区间(Gaussian Process Regression is a statistical machine learning method based on Bayesian principle. It transforms prior distribution into posterio