基于朴素贝叶斯分类器的简单手写体数字识别 .

简介 多项式朴素贝叶斯也是多用于文本处理，其原理和计算的流程和伯努利朴素贝叶斯基本一致，唯一的区别在于单词的计数方式，由《伯努利朴素贝叶斯》一文可知，在文本处理的环节中，我们将单词是否出现在词组作为特征，但在多项式朴素贝叶斯中，我们将单词在词组中出现的次数作为特征，因此只需要更改文中setOfWords2Vec的函数即可，变成如下方式： def bagOfWords2VecMN(vocabList, inputSet): returnVec = [0] * len(vocabList) for word in inputSet: if word in vocab

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。

贝叶斯网络推理机BNJ-Java实现，在自己的研究工作中采用贝叶斯网络作为工具，需要实现原型系统或者做实验的有用

R语言构建贝叶斯网络，很实用的讲解和案例

将2D高斯核函数根据非正交方向进行分解，得到一维的x轴和其他方向的高斯函数，通过统计学方法，将分解的高斯函数与卷积滤波器或者迭代滤波器结合进行边缘检测。

线性高斯分布： P(c | h, subsidy) = N(ath + bt, t2)(c) = 1/ (t21/2) e –1/2{[c-(ath + bt)]/t]} P(c | h, ~subsidy) = N(afh + bf, f2)(c) = 1/ (f21/2) e –1/2{[c-(afh + bf)]/t]} S型函数(Sigmoid function) p(buys | Cost = c) = 1 / {1 + exp[-2(-u+)/ ]}

算法研究 凑空写了个NBC 朴素贝叶斯分类器 希望对大家有用

贝叶斯网络分析软件，亲测好用，网上有详细教程，自行搜索。

代码：Java语言 算法：朴素贝叶斯分类器（中文）适用于情感分析 涉及：条件概率，先验概率计算，中文分词器，停用词处理