1) Cyclic-Bayesian searching method
轮回搜索贝叶斯法
2) bayesian method
贝叶斯法
1.
Application of Bayesian method for inferring phylogenetic relationships of ticks within the genus Ixodes;
分子系统进化关系分析的一种新方法——贝叶斯法在硬蜱属中的应用
2.
Combining with the example of the missile flying reliability estimation, the Bayesian method was used to estimate the flying reliability.
结合导弹飞行可靠性评定实例,采用贝叶斯法对导弹飞行可靠性进行了评估,对验前信息进行了数据融合,充分利用了地面试验数据,有效地扩大了试验子样,验证了贝叶斯法的科学性、合理性、实用性。
3) Bayes method
贝叶斯法
1.
Experiments prove Bayes method can comprehensively utilize on-site meas.
通过几种实测和解析法求取渗透率的方法的比较和试验 ,认为贝叶斯法能综合利用现场测量值、岩心资料、理论估算等资料 ,综合各方面的因素 ,从而使解释结果更符合实际情况。
2.
Classical method and Bayes method are applied to assess the result of reliability test.
探讨了飞航导弹可靠性试验与鉴定程序,研究了飞行可靠性验前信息收集、处理和转换,并采用经典法与贝叶斯法对可靠性试验结果进行了评定。
3.
In the light of defect of the conventional Bayes method,a new inverse analysis method is discussed by using probability theory,statistical principle and modern information theory.
基于概率与数理统计理论和现代信息理论,针对传统贝叶斯法中观测信息与先验信息不匹配的缺陷,探讨了一种新的反演方法。
4) Bayesian regression
贝叶斯回归
1.
In order to accelerate the computation of kernel density estimation(KDE) and to reduce the complexity of KDE model,a fast KDE algorithm based on sparse Bayesian regression is proposed.
为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR-KDE。
5) multivariate regression empirical Bayes approach
多元回归经验贝叶斯法
6) search-backtracking
搜索-回溯法
1.
The search-backtracking and the breadth-first search algorithms are used to solve the reconfiguration problem.
现将搜索-回溯法和广度优先搜索算法用于配网重构问题的研究。
2.
In this paper,the search-backtracking and the breadth-first search algorithm are used to solve the reconfiguration problem,and the loop search,combination search and radial network topology search are expounded.
配电网重构是降低线损的有效途径,为此,介绍了将搜索-回溯法和广度优先搜索算法用于配电网重构问题的研究,重点论述了环的搜索、组合搜索、辐射状网络结构搜索这三个主要问题,并通过对算例的演算,验证了程序求解配电网重构问题的有效性和可行性。
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