贝叶斯推断及其互联网应用

基于贝叶斯信息更新方法，提出了一个无人机目标搜索的动态策略模型，并给出了相应算法。该模型是在一般贝叶斯先验假设下给出的，不需要现有相关文献中均匀分布的假设。在无人机搜索行动中，可以实施贝叶斯干预，利用新获取的目标搜索区域的额外信息，实时地改进搜索策略。数值实验中，假设目标处于搜索区域的分布为正态分布，实验结果表明，相比较均匀分布假设，在正态分布假设下发现概率更大，而且贝叶斯干预后的累计发现概率不会降低。

用Python进行贝叶斯分析 这是Packt发布的的代码库。 它包含从头到尾完成本书所必需的所有支持项目文件。 请点击此获取经过测试可与最新版本的PyMC3一起运行的代码的更新版本。 说明和导航 所有代码都组织在文件夹中。 每个文件夹均以数字开头，后跟章节名称。 本书是针对Python版本> = 3.5编写的，建议您使用当前可用的最新版本的Python 3，尽管大多数代码示例也可能适用于旧版本的Python，包括较小的Python 2.7调整。 也许安装Python和Python库的最简单方法是使用科学计算发行版Anaconda。 您可以阅读有关Anaconda的更多信息，并下载。 将Anaconda放入我们的系统后，我们可以使用以下命令安装新的Python软件包： conda install NamePackage 我们将使用以下python软件包： IPython的5.0

C++编写的朴素贝叶斯分类器跟k-means聚类，用于学习机器学习，最好是在Linux上运行，可以运行

基于贝叶斯的图像阈值分割，希望对大家有用

#清磁盘啦~，CSDN“网盘”真好用，感谢CSDN~ 机器学习，基于朴素贝叶斯机器学习算法实现对情感文本分析与分类（含数据集），sgns.weibo.bigram-char，使用gensim加载预训练中文分词

构建贝叶斯网络。

sklearn、knn、朴素贝叶斯、决策树 100页PPT + Python源码 + 思维导图 + 运行结果截图 sklearn是基于python语言的机器学习工具包，是目前做机器学习项目当之无愧的第一工具。 sklearn自带了大量的数据集，可供我们练习各种机器学习算法。 sklearn集成了数据预处理、数据特征选择、数据特征降维、分类\回归\聚类模型、模型评估等非常全面算法

数据挖掘导论（第二版）第4章：贝叶斯分类器.pptx

六种判决准则：贝叶斯准则、最小平均错误概率检测准则、最大似然检测准则、极小化极大化检测准则、N-P检测准则、最大后验概率检测准则 仿真六种判决准则，Matlab ，要求，噪声为高斯噪声，信号二元多元都行。画出图，要求能看出判决域变化使判决概率变化。 画出检测模型（相关器和匹配滤波器那块的图）。