注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 贝叶斯分类器贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。目前研究较多的贝叶斯分类器主要有四种，分别是：Naive Bayes、TAN、B

  2. 　贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。 　　贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 　　1、已知类条件概率密度参数表达式和先验概率。 　　2、利用贝叶斯公式转换成后验概率。 　　3、根据后验概率大小进行决策分类。

  3. 所属分类：C++

    • 发布日期：2010-01-14
    • 文件大小：68608
    • 提供者：bear_fish

  1. 一种新的基于非下采样Contourlet变换的图像去噪方法

  2. 一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法。采取的主 要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图 像去噪。实验结果表明,相对于已有算法,本文方法降噪效果好,在去噪性能指标和边缘保持的主观视觉上都 表现出优异的性能。

  3. 所属分类：其它

    • 发布日期：2010-06-09
    • 文件大小：475136
    • 提供者：yanghaocouple

  1. C#科学计算讲义

  2. 首部以C#讲解科学计算的书, 不过目前只有高清版的前四章. 引言　1 第1章　C#程序设计基础　9 1.1　计算机、程序设计与算法　9 1.1.1　计算机结构　9 1.1.2　操作系统　10 1.1.3　机器语言与高级语言　10 1.1.4　程序设计与算法　10 1.2　C#历史与概述　11 1.2.1　C语言：结构化编程语言的高峰　11 1.2.2　C 语言；　面向对象与大型程序　11 1.2.3　Java语言：可移植、安全性与Internet　11 1.2.4　C#；.NET主打语言　12

  3. 所属分类：.Net

    • 发布日期：2013-10-22
    • 文件大小：6291456
    • 提供者：dragonxin28

  1. 贝叶斯分类器

  2. 这是模式分类中的课程代码，其中包含所有的模式分类算法的实现实验，程序时用matlab写的，代码质量较高，对学习模式分类 模式识别、机器学习的同学有很重要的参考价值，本程序实现的算法为：贝叶斯估计 编程实现一个可以对两类模式样本进行分类的贝叶斯分类器，假设两个模式类的分布均为高 斯分布。模式类1 的均值矢量m1 = (1, 3)t，协方差矩阵为S1 =(1.5, 0; 0, 1)，模式类2 的 均值矢量m2 = (3,1)t，协方差矩阵为S2 =(1, 0.5; 0.5, 2)，先验概率 P1

  3. 所属分类：管理软件

    • 发布日期：2014-04-30
    • 文件大小：5120
    • 提供者：chennankuan

  1. 贝叶斯估计2

  2. 贝叶斯估计（Bayesian estimation）是利用贝斯定理结合新的证据及以前的先验概率，来得到新的概率。它提供了一种计算假设概率的方法，基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身。

  3. 所属分类：机器学习

    • 发布日期：2018-01-04
    • 文件大小：3072
    • 提供者：zsnwjcxlhhhh

  1. 贝叶斯思维：统计建模的Python学习法

  2. 第1章 贝叶斯定理 1 1.1 条件概率 1 1.2 联合概率 2 1.3 曲奇饼问题 2 1.4 贝叶斯定理 3 1.5 历时诠释 4 1.6 M&M豆问题 5 1.7 Monty Hall难题 6 1.8 讨论 8 第2章 统计计算 9 2.1 分布 9 2.2 曲奇饼问题 10 2.3 贝叶斯框架 11 2.4 Monty Hall难题 12 2.5 封装框架 13 2.6 M&M豆问题 14 2.7 讨论 15 2.8 练习 16 第3章 估计 17 3.1 骰子问题 17 3.2 火

  3. 所属分类：机器学习

    • 发布日期：2018-03-20
    • 文件大小：116
    • 提供者：data2word

  1. 身高体重 贝叶斯分类 判别男女

  2. 利用100个男女训练集样本，使用贝叶斯分类器判别男女。1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。2.分别在男女相关不相关的情况下分析结果正确率。3.设定不同的风险，采用最小风险的Bayes决策重复上面实验。

  3. 所属分类：讲义

    • 发布日期：2018-10-21
    • 文件大小：718848
    • 提供者：weixin_42493873

  1. 模式识别身高体重贝叶斯算法

  2. 模式识别中贝叶斯算法判别身高体重 matlab实现 1）应用单个特征进行实验：以（a）身高或者（b）体重数据作为特征，在正态分布假设下利用最大似然法或者贝叶斯估计法估计分布密度参数，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到测试样本，考察测试错误情况。在分类器设计时可以考察采用不同先验概率（如0.5对0.5, 0.75对0.25, 0.9对0.1等）进行实验，考察对决策规则和错误率的影响。 2）应用两个特征进行实验：同时采用身高和体重数据作为特征，分别假设二者相关或不

  3. 所属分类：数据库

    • 发布日期：2018-10-22
    • 文件大小：685056
    • 提供者：pl_nzbl

  1. 模式识别第一次实验贝叶斯原理

  2. 1. 通过实验了解贝叶斯判别的原理； 2. 熟悉多元类别问题的处理； 3. 通过不同方式选取数据、选取数目不同的数据样本、不同方法估计先验概率，加深对该类问题的理解 实验原理、实验结果、实验程序

  3. 所属分类：专业指导

    • 发布日期：2019-04-23
    • 文件大小：617472
    • 提供者：qq_40246376

  1. 中微子振荡数据的贝叶斯全局分析

  2. 我们对当前中微子振荡数据进行贝叶斯分析。 估计振荡参数时，我们发现结果通常与χ2方法的结果一致，但有一些差异涉及s 23 2和违反CP的效应。 我们讨论了由CP违反阶段的圆形性质引起的其他细微差别，以及如何通过s 23 2获得相关系数。 在进行模型比较时，我们发现没有任何明显的证据表明任何质量排序，s 23 2的八分圆或最大混合的偏差，CP违规的存在。

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：1048576
    • 提供者：weixin_38500444

  1. mplus 8 用户手册 Chapter11 缺少数据建模和贝叶斯估计视图示例.pdf

  2. 以下是版本 8 Mplus 用户指南的摘录。第 3 章 - 第 13 章包括 250 多个示例。这些示例还包含在 Mplus DVD 上以及生成数据的相应蒙特卡罗模拟设置中。 第一章：导言 第 2 章：开始使用 Mplus 第 3 章：回归和路径分析视图示例 第四章：探索性因素分析视图示例 第五章：确认因子分析和结构方程建模视图示例 第 6 章：生长建模、生存分析和 N=1 时间序列分析视图示例 第 7 章：具有横截面数据视图示例的混合建模 第 8 章：采用纵向数据视图示例的混

  3. 所属分类：讲义

    • 发布日期：2020-03-12
    • 文件大小：215040
    • 提供者：jlzhangyi

  1. 高斯分布参数的极大似然估计，EM算法

  2. 哈工大研究生课程讲义高斯分布参数的极大似然估计，EM算法高斯混合模型算法的迭代公式推导 我们首先来推导般混合密度模型参数估计的算法达代公式,然后再将般的混合 密度模型具体化为髙斯混合模型。 混合密度模型 假设样本集={x1,…,x}中的样本相互独立,并且按照如下的过程产生: 样木是依据桃率由个分布中的一个产生的,分布的概率密度数为(x0), 1,,,0为分布的参数 由第个分布产生样本的先验概率为a 先验概率a=(a1…,a),以及分布的参数日,…,0均未知。 我们称样本集来自于一个混合密度模型,

  3. 所属分类：讲义

    • 发布日期：2019-03-03
    • 文件大小：214016
    • 提供者：qq_27328663

  1. 统计学习方法之朴素贝叶斯理解和代码复现

  2. 朴素贝叶斯 联合概率 P(A,B) = P(B|A)*P(A) = P(A|B)*P(B)将右边两个式子联合得到下面的式子： P(A|B)表示在B发生的情况下A发生的概率。P(A|B) = [P(B|A)*P(A)] / P(B) 直观理解一下这个式子，如下图，问题A在我们知道B信息之后概率发生了变化(图片来自于小白之通俗易懂的贝叶斯定理（Bayes’ Theorem） 1.后验概率推导 ​ 朴素贝叶斯条件：向量X的每一个特征项是独立同分布，这个条件过于宽泛，但是为了计算简便，我们尝试使用

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：1048576
    • 提供者：weixin_38741759

  1. birm:贝叶斯项目响应模型-源码

  2. birm：贝叶斯项目响应模型 该软件包旨在用作贝叶斯项目响应建模的“即插即用”工具。 当前，已实现特定的一维IRM，但将来的版本将旨在为中级和高级用户增加更多的灵活性。 birm依赖于LaplacesDemon，这是一个开源统计软件包，旨在为贝叶斯推理提供完整的环境。 该软件包应视为实验性的。 实现了以下模型： Rasch模型（ rasch功能） 部分和广义部分信用模型（ pcm函数） 评级和广义评级量表模型（ rsm函数） 1、2、3、4和5参数Logistic模型（ plm函数）

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：439296
    • 提供者：weixin_42127783

  1. 签名网络中社区建模和检测的贝叶斯方法

  2. 人们对探索具有正向和负向链接的签名网络的兴趣与日俱增，因为它们比未签名的网络包含更多的信息。 作为签名网络分析的基本问题，社区检测和符号（或态度）预测仍然是主要挑战。 为了解决这些问题，我们提出了一种生成贝叶斯方法，其中：1）提出了一种带符号的随机块模型，通过明确地表示从一个随机的符号链接的密度和受挫程度的分布，来描述带符号网络的社区结构。 2）通过理论推导用于参数估计的变分贝叶斯EM和用于模型选择的基于变分的近似证据，提出了一种模型学习算法。 通过与合成网络和现实网络中的最新方法进行比较，所提

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：332800
    • 提供者：weixin_38659622

  1. BayesianQuadrature.jl：有什么我们不能做的贝叶斯？-源码

  2. 贝叶斯正交 用于实现不同贝叶斯正交方法的软件包。 贝叶斯正交包括通过使用高斯过程来估计积分I = ∫ f(x) p(x) dx ，其中p(x)被假定为高斯。 更准确地说，我们通过为多个样本x_i估计f来用GP代替f(x) 。 然后，我们得到积分的后验分布： p(I|{x_i}) = N(m, S) 。 给定贝叶斯问题p(x|y) = p(y|x) p_0(x) / p(y)您可以通过调用来估计p(y) ： using BayesianQuadrature using Distributio

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：14336
    • 提供者：weixin_42146888

  1. Deep_Learning_for_Manufacturing：用于对象形状错误响应和制造系统校正的贝叶斯深度学习和深度强化学习-源码

  2. 贝叶斯制造业深度学习2.0（dlmfg） 对象形状错误响应（OSER） 概述 开源贝叶斯学习深制造业（dlmfg）库使用TensorFlow，TensorFlow概率与和Keras后端打造建： 贝叶斯深度学习模型（例如贝叶斯3D卷积神经网络和贝叶斯3D U-net）可以在制造系统中进行根本原因分析。 深度强化学习模型，例如“深度确定性策略梯度” ，可在制造系统中进行控制和更正。 该库可用于各个领域，例如装配系统，冲压，增材制造和铣削，其中关键问题是对象形状错误检测和估计。 该库是使用面向对

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：319815680
    • 提供者：weixin_42137723

  1. bfmap：贝叶斯人口与谱系数据精细映射和关联-源码

  2. 姜继才的BFMAP 贝叶斯精细映射和人口与家谱数据关联 BFMAP是用于定量特征的基因组分析的软件工具，重点是精细映射，SNP集关联和功能富集。 它使用表型和基因型，并适用于具有种群结构和/或相关性的样本。 BFMAP当前支持以下分析。 估计SNP的遗传力； 全基因组单标记/ SNP设置关联分析； 通过前向选择或shot弹枪随机搜索进行精细映射； 估计功能注释的因果变量丰富（即功能丰富分析）； 将功能丰富化纳入精细映射。 可执行文件在MIT许可下发布。 示例数据 问题和帮助请求 如果您

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：7340032
    • 提供者：weixin_42124497

  1. 贝叶斯机器学习：有关贝叶斯机器学习方法的笔记本-源码

  2. 贝叶斯机器学习笔记本 该存储库是有关贝叶斯机器学习的笔记本的集合。 以下链接通过显示了一些笔记本，以确保正确呈现公式。 依赖关系在子目录中的requirements.txt文件中指定。 。 贝叶斯线性回归简介。 用普通的NumPy和scikit-learn实现。 另请参见。 。 高斯回归过程简介。 用普通的NumPy / SciPy以及scikit-learn和GPy实现。 。 高斯分类过程简介。 用普通的NumPy / SciPy以及scikit-learn实现。 。 使用变分方法介

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：22020096
    • 提供者：weixin_42165508

  1. osic-pulmonary-fibrosis-modeling:贝叶斯模型解决OSIC肺纤维化竞争中的kaggle-源码

  2. OSIC肺纤维化竞赛（贝叶斯模型） 介绍 OSIC肺纤维化进展竞赛是一项Kaggle竞赛，您需要完成预测FVC（强制肺活量）的任务，FVC与下一个146周的强制呼气量（FEV）测试中呼出的空气总量有关。 您将获得CT扫描图像，以了解过去几周的第一次相遇，元数据和信息。 方法 CT扫描处理 我们确定一个遮罩，以区分图像中的其他实体和肺部。 我用两种方法做到这一点：1）简单的像素阈值区分和2）KMeans聚类。 应用了进一步的图像处理（例如腐蚀和膨胀）以进一步区分这两个区域。 然后将识别出的蒙版应用

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：95232
    • 提供者：weixin_42117037
« 12 3 4 5 6 »