SSVEP-BCI研究 作为Ridgefield高中专业研究计划的一部分，我研究了脑机接口领域并进行了实验。 在老Dominion大学（现移居至弗吉尼亚联邦大学）的Dean Krusienski博士及其博士生的指导下，我使用脑电图（EEG）测量了人体稳态视觉诱发电位（SSVEP）。 SSVEP是通过向对象提供闪烁的棋盘图像而生成的，可以潜在地用于帮助残疾患者与环境互动而不动。 摘要： 自从基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）发明以来，主要的挑战是提高准确性和信号识别能力。 尽管SSVEP在具有最小BCI暴露的受试者中表现出很高的准确率，但要保证日常使用的可靠性，BCI必须达

贝叶斯网络的K2结构学习 clear N = 4; dag = zeros(N,N); %C = 1; S = 2; R = 3; W = 4; % topological order C = 4; S = 2; R = 3; W = 1; % arbitrary order dag(C,[R S]) = 1; dag(R,W) = 1; dag(S,W)=1; false = 1; true = 2; ns = 2*ones(1,N); % binary nodes bnet = mk_bnet(dag, ns); bnet.CPD{C} = tabular_CPD(bnet, C, 'CPT', [0.5 0.5]); bnet.CPD{R} = tabular_CPD(bnet, R, 'CPT', [0.8 0.2 0.2 0.8]); bnet.CPD{S} = tabular_CPD(bnet, S, 'CPT', [0.5 0.9 0.5 0.1]); bnet.CPD{W} = tabular_CPD(bnet, W, 'CPT', [1 0.1 0.1 0.01 0 0.9 0.9 0.99]); [n ncases] = size(data); % set default params type = cell(1,n); params = cell(1,n); for i=1:n type{i} = 'tabular'; %params{i} = { 'prior', 1 }; params{i} = { 'prior_type', 'dirichlet', 'dirichlet_weight', 1 }; end scoring_fn = 'bayesian'; discrete = 1:n; clamped = zeros(n, ncases); max_fan_in = n; verbose = 0; dag = zeros(n,n); for i=1:n ps = []; j = order(i); u = find(clamped(j,:)==0); score = score_family(j, ps, type{j}, scoring_fn, ns, discrete, data(:,u), params{j}); if verbose, fprintf('\nnode %d, empty score %6.4f\n', j, score), end done = 0; while ~done & (length(ps) score score = best_pscore; ps = [ps best_p]; if verbose, fprintf('* adding %d to %d, score %6.4f\n', best_p, j, best_pscore),end else done = 1; end end if ~isempty(ps) % need this check for matlab 5.2 dag(ps, j) = 1; end end

贝叶斯统计学——原理模型及应用 S.詹姆士.普雷斯著

事件树、故障树、决策树与贝叶斯网络，周建方，许智勇，事件树、故障树和决策树分析法是系统分析的重要方法，能够对系统风险、系统薄弱环节等进行有效的分析，但存在表示结构复杂、不能

针对交通流量预测中一个固定模型无法适应多种环境的问题，以及面向数据流的模 型更新问题，提出了一种基于变结构动态贝叶斯网络的交通流量预测方法。该方法以复杂事件处理和事件上 下文为基础，通过上下文聚类进行历史数据的划分，并通过事件流在线聚类支持聚簇的更新。面向不同聚簇 的数据，采取搜索-打分的方法学习对应的贝叶斯网络结构，基于高斯混合模型实现贝叶斯网络的近似推断。 在线预测时根据当前上下文选择合适的模型或模型组合进行预测。真实和仿真数据上的实验结果表明，该方 法能够获得比当前常用方法更好的预测效果。

机器学习思维导图，贝叶斯网络，卷积神经网络与计算机视觉，隐马可夫链，聚类算法，特征工程，多算法组合与模型最优

朴素贝叶斯分类器 MATLAB 源代码，里面含有使用实例，用的是 UCI 的 mushroom 数据集。 分类器详细介绍见： http://blog.csdn.net/yunduanmuxue/article/details/39693917

讲解动态贝叶斯网络原理与应用 pdf文档

GeNIe 用户指南

本软件实现了贝叶斯网络的参数学习，通过随即生成的样本机型训练，然后进行比较绘图。