1) bayes postulate
贝叶斯公设
2) Bayesian formula
贝叶斯公式
1.
In order to correctly evaluate the trophic state of a lake and then to establish scientific basis for the prevention of lake eutrophication, a lake eutrophication stochastic assessment method (LESAM) by u-sing Bayesian formula is proposed.
为了准确评价湖泊所处的营养状态,进而为湖泊富营养化的防治提供科学依据,提出了基于贝叶斯公式的湖泊富营养化随机评价方法。
2.
According to the Bayesian formula,this method group together the inconsistent datum of the best possible category and make the data set uniform.
该方法首先根据贝叶斯公式,将非一致数据归为最可能的一类,使数据集一致化,然后在一致数据集上,定义类别区分矩阵,选择最小特征变量集,并给出了在类别区分矩阵上搜索最小特征变量集的启发式搜索策略。
3) Bayes formula
贝叶斯公式
1.
Uses of Bayes formula in statistical Decisions;
贝叶斯公式在统计决策中的应用
2.
Considering the influence of the distorted information on fault location,a method for fault location in distribution network is presented based on Bayes formula.
从解决配电网故障信息发生畸变影响故障定位入手,提出了一种运用贝叶斯公式的配电网故障定位方法,并建立了利用贝叶斯公式最大显著度条件的故障定位模型。
3.
In order to overcome the shortcoming of conventional hydrologic analogy on choosing similar basin,a stochastic assessment method is developed and applied based on Bayes formula.
为了改进传统水文比拟法在相似流域选择上存在的不足,提出一种基于贝叶斯公式的随机分析方法。
4) Bayesian
贝叶斯公式
1.
Bayesian-based information feedback mechanism;
基于贝叶斯公式的信息反馈机制
2.
Minimizing Cost Filtering Algorithm for Spam E-mail Based on Bayesian;
基于贝叶斯公式的最小损失垃圾邮件过滤算法
3.
An Anti-Spam E-mail Filtering Method Based on Bayesian;
基于贝叶斯公式的垃圾邮件过滤方法
5) Bayesian formulation
贝叶斯公式
1.
The method consists of maximum-likelihood and Bayesian formulation.
提出一种基于概率统计的方法,采用最大似然法和贝叶斯公式,在ChaosShiftKeying系统的接收端重构发射端混沌映射,实现混沌信号的非相干检测。
2.
The method consists of maximumlikelihood and Bayesian formulation.
通过采用一种基于概率统计的方法,应用最大似然法和贝叶斯公式,在CSK(ChaosShiftKeying)系统的接收端重构发射端混沌映射,实现混沌信号的非相干检测。
6) Bayesian method
贝叶斯假设
1.
The application of Bayesian method to the control of sonar array in acoustic imaging;
贝叶斯假设方法在水声成像声呐阵控制中的应用
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