1) Beyes theory
贝叶斯概率论
2) Bayesian probability
贝叶斯概率
1.
Estimation method of Bayesian probability was used to estimate the credit value of supply chain partnership quantitatively.
为定量研究供应链伙伴企业间的信任值,利用信任产生的声誉机制,将供应链伙伴企业间的信任分解为直接信任和推荐信任,并利用贝叶斯概率估计方法,定量地评估供应链联盟伙伴间的信任值,然后根据信任值的更新机制,分别对直接信任值和推荐信任值进行更新,最后得出了伙伴企业间信任值的综合评估模型。
3) Bayesian probability statistics
贝叶斯概率统计
4) Bayesian probabilistic model
贝叶斯概率模型
1.
On the basis of road accident records,adopting stepwise cluster analysis and Bayesian probabilistic model, this paper investigates the method of identification of road accident blackspots.
基于已有的道路交通事故统计资料，应用动态聚类分析方法和贝叶斯概率模型，对事故多发点的鉴定方法进行了探讨。
5) Bayesian probability weighting
贝叶斯概率加权
1.
A recursive Bayesian probability weighting method was used to obtain an overall predictive model.
针对一类可以采用一阶惯性加纯滞后模型描述不同工况下动态特性且随工况变化的工业过程,提出一种基于对象特征参数极大极小值的多模型集建立方法,采用递推贝叶斯概率加权方法获得全局预测模型,并以此设计多模型预测控制器以满足工况大范围变化的控制要求,同时在进行误差校正时,预先补偿由于工况动态变化所带来的模型预测误差,以提高预测精度。
6) bayesian probability reasoning
贝叶斯概率推理
补充资料：概率论
| 概率论 probability theory 研究随机现象数量规律的数学分支。随机现象是相对于决定性现象而言的。在一定条件下必然发生某一结果的现象称为决定性现象。例如在标准大气压下，纯水加热到100℃时水必然会沸腾等。随机现象则是指在基本条件不变的情况下，一系列试验或观察会得到不同结果的现象。每一次试验或观察前，不能肯定会出现哪种结果，呈现出偶然性。例如，掷一硬币，可能出现正面或反面，在同一工艺条件下生产出的灯泡，其寿命长短参差不齐等等。随机现象的实现和对它的观察称为随机试验。随机试验的每一可能结果称为一个基本事件，一个或一组基本事件统称随机事件，或简称事件。事件的概率则是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。例如，连续多次掷一均匀的硬币，出现正面的频率随着投掷次数的增加逐渐趋向于1／2。又如，多次测量一物体的长度，其测量结果的平均值随着测量次数的增加，逐渐稳定于一常数，并且诸测量值大都落在此常数的附近，其分布状况呈现中间多，两头少及某程度的对称性。大数定律及中心极限定理就是描述和论证这些规律的。在实际生活中，人们往往还需要研究某一特定随机现象的演变情况  随机过程。例如，微小粒子在液体中受周围分子的随机碰撞而形成不规则的运动（即布朗运动），这就是随机过程。随机过程的统计特性、计算与随机过程有关的某些事件的概率，特别是研究与随机过程样本轨道(即过程的一次实现)有关的问题，是现代概率论的主要课题。概率论与实际生活有着密切的联系，它在自然科学、技术科学、社会科学、军事和工农业生产中都有广泛的应用。概率论的起源与赌博问题有关。16世纪，意大利的学者开始研究掷骰子等赌博中的一些简单问题。17世纪中叶，法国数学家B.帕斯卡、P.de费马及荷兰数学家C.惠更斯基于排列组合方法，研究了一些较复杂的赌博问题，他们解决了分赌注问题、赌徒输光问题等。随着18、19世纪科学的发展，人们注意到在某些生物、物理和社会现象与机会游戏之间有某种相似性，从而由机会游戏起源的概率论被应用到这些领域中；同时这也大大推动了概率论本身的发展。使概率论成为数学的一个分支的奠基人是瑞士数学家J.伯努利，他建立了概率论中第一个极限定理，即伯努利大数定律，阐明了事件的频率稳定于它的概率。随后A.de棣莫弗和P.S.拉普拉斯又导出了第二个基本极限定理（中心极限定理）的原始形式。拉普拉斯在系统总结前人工作的基础上写出了《分析的概率理论》，明确给出了概率的古典定义，并在概率论中引入了更有力的分析工具，将概率论推向一个新的发展阶段。19世纪末，俄国数学家P.L.切比雪夫、A.A.马尔可夫、A.M.李亚普诺夫等人用分析方法建立了大数定律及中心极限定理的一般形式，科学地解释了为什么实际中遇到的许多随机变量近似服从正态分布。20世纪初受物理学的刺激，人们开始研究随机过程。这方面A.N.柯尔莫哥洛夫、N.维纳、A.A.马尔可夫、A.R辛钦、P.莱维及W.费勒等人作了杰出的贡献。 如何定义概率，如何把概率论建立在严格的逻辑基础上，是概率理论发展的困难所在，对这一问题的探索一直持续了3个世纪。20世纪初完成的勒贝格测度与积分理论及随后发展的抽象测度和积分理论，为概率公理体系的建立奠定了基础。在这种背景下，苏联数学家柯尔莫哥洛夫1933年在他的《概率论基础》一书中第一次给出了概率的测度论的定义和一套严密的公理体系。他的公理化方法成为现代概率论的基础，使概率论成为严谨的数学分支，对概率论的迅速发展起了积极的作用。 |
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