1) Bayes covariant discriminant
贝叶斯协方差判别法
1.
The homo-dimer, homo-trimer, homo-tetramer and homo-hexamer of protein were classified using both of support vector machine and Bayes covariant discriminant methods.
基于支持向量机和贝叶斯方法 ,从蛋白质一级序列出发对蛋白质同源二聚体、同源三聚体、同源四聚体、同源六聚体进行分类研究 ,结果表明 :基于支持向量机 ,采用“一对多”和“一对一”策略 ,其分类总精度分别为 77 3 6%和 93 43 % ,分别比基于贝叶斯协方差判别法的分类总精度 50 64%提高 2 6 72和 42 79个百分点 。
2) Bayesian discriminating analysis
贝叶斯判别方法
3) Bayesian Discriminating Feature(BDF) method
贝叶斯待征判别方法
4) bayes discrimination
贝叶斯判别
1.
This essay researched on impact/rub and unbalance and misalignment compounding faults by wavelet packet analysis and built a fault diagnosis model based on bayes discrimination.
采用小波包分析对动静碰磨故障和不平衡不对中故障特征进行了研究 ,并利用贝叶斯判别法 ,将领域专家的经验知识融合到诊断模型中 ,提高了诊断的准确性 ,这为机组其它故障的诊断提供了一条新的途径。
2.
Based on the study on key wells and the rational choice of classification parameters, the function of reservoir quantitative classification and evaluation is established by combining Q-model cluster analysis with Bayes discrimination.
在对关键井研究与合理选择分类参数的基础上,采用Q型聚类分析和贝叶斯判别相结合,进行储层定量分类评价研究,建立判别函数,依据此判别函数对非取心井的目的层进行了定量分类评价。
5) Bayesian discriminating
贝叶斯判别
1.
Then,features are analyzed and Gaussian models are built for all the possible areas;Finally,Bayesian discriminating classifier is used for making judgment of the possible face area and gets the face detecti.
介绍了一种采用混合高斯模型与贝叶斯判别的彩色人脸检测方法。
2.
Then, Bayesian discriminating classifier is used for making judgment of the possible face area and gets the face detection r.
该方法基于混合高斯模型与贝叶斯判别技术,分两步实现,即运动目标分割和人脸特征识别。
6) Bayesian discrimination
贝叶斯判别
1.
Forewarning Model of Listed Companies against Financial Crisis Based on Bayesian Discrimination
基于贝叶斯判别分析的上市公司财务危机预警模型研究
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