BIGUQ.jl：贝叶斯信息鸿沟决策理论

mahout中的贝叶斯算法的拓展开发包，提供了相关接口可以供用户调用，直接即可跑出结果，相关运行方式参考blog《mahout贝叶斯算法开发思路（拓展篇）》

使用贝叶斯方法预测天气状况，运用Matlab软件来实现，通过天气的好坏来预测今天是否需要出去打球

在FULLBNT工具箱的基础上用matlab实现贝叶斯网络建模 概率分析 在FULLBNT工具箱的基础上用matlab实现贝叶斯网络建模 概率分析

随着电子商务领域的迅速发展，在线商品评价规模日益庞大，评价质量参差不齐，用户难以筛选有用评价信息做出购买决策，因此如何有效识别高质量评价信息成为重要议题。以在线商品评价的有用性投票为基础定义评价质量，使用贝叶斯网络表示在线商品评价的相似性及不确定性，通过对在线商品评价信息进行多维度特征统计，构建在线商品评价质量评估模型，使用概率推理机制对在线商品评价质量进行分类预测，并给出评价质量分类置信度。在真实数据集上验证模型有效性及高效性。

风能是一种清洁能源，有望带来巨大的社会和环境效益，在中华民国，政府支持和鼓励将风能发展作为向可再生能源转变的一个要素。 然而，近年来，在海上风力发电建设以及伴随着海上风力发电场的快速推广和发展的相关生产过程中出现了海上安全问题。 因此，有必要对海上风电场生命周期的各个阶段进行风险评估。 本文报告了基于动态贝叶斯网络的风险评估模型，该模型执行海上风电场海上风险评估。 这种方法的优点是贝叶斯模型表达不确定性的方式。 此外，此类模型允许在虚拟环境中模拟和重新制定事故。 这项研究有几个目标。 探索了海上风电项目风险识别和评估理论与方法，以识别海上风电场生命周期不同阶段的风险来源。 在此基础上，建立了带有Genie的动态贝叶斯网络模型，并对其在海上风电场生命周期不同阶段进行风险分析的有效性进行了评估。 研究结果表明，动态贝叶斯网络方法可以有效，灵活地进行风险评估，以响应海上风电建设的实际情况。 历史数据和几乎实时信息相结合，以分析海上风电建设的风险。 我们的结果有助于讨论有关安全和降低风险的措施，这些措施一旦实施便可以提高安全性。 这项工作对于海上风电的安全发展具有参考价值和指导意义。

对作战行动方案进行效能评估实现了为指挥员提供决策辅助。分析了作战行动方案中 作战行动之间的依赖关系，建立了作战行动方案效能模型和相应的贝叶斯网络，用贝叶斯方法对作 战行动方案进行了效能评估和优选。以某联合登岛作战为案例的实验表明，该方法较好地处理了 作战行动方案的不确定性和复杂性，评估结果可以为指挥员的决策提供参考。

Matlab集成的c代码两阶段贝叶斯优化（TSBO） 版权（c）2020 3D系统包装研究中心（PRC） 佐治亚理工学院 该材料基于NSF I / UCRC机器学习高级电子学中心（CAEML）支持的工作。 如有疑问和疑问，请联系： 如果您使用以下代码，请引用我们的论文： 托伦（HM Torun），M。Swaminathan，A.Kavungal Davis和MLF Bellaredj 第15卷的IEEE大规模集成（VLSI）系统事务中的内容。 26号4，pp.792-802，2018年4月。 剧本 TSBO.m 主要代码包括TSBO的实现，目标目标函数的定义和TSBO的参数。 注释该代码以解释实现细节和默认超参数的选择。 有关参数选择的更多详细信息，请参见TVLSI文件III.D。 splitregion.m 在TSBO的第一阶段中用于分层分区树。 该脚本以Dx2矩阵的形式将D维样本空间作为输入，其中各列代表每个参数的样本空间的最小值和最大值，并将其划分为2 ^ D个新区域。 输出是Dx2x（2 ^ D）矩阵，其中每个Dx2矩阵都包含输入的Dx2样本空间的一部分。 splitregio

使用matlab软件，利用贝叶斯方法实现鸢尾花的程序代码

层次分析matlab代码分级贝叶斯模型，考虑了端成员的变异性和突然的光谱变化，以解混多时相高光谱图像 说明：与以下方法中描述的方法相关的Matlab代码 P.-A. Thouvenin，N.Dobigeon和J.-Y. Tourneret-分级贝叶斯模型，考虑了端成员的变异性和突然的光谱变化，以解开多时相高光谱图像， IEEE Trans。 计算想像，卷。 4，没有1，2018年3月，第32-45页。 作者： P.-A. Thouvenin，pierreantoine [dot] thouvenin [at] gmail [dot] com 实验：运行本文中报告的真实数据实验的代表性示例，配置并运行main_real_data.m脚本。 脚本main_extract_data.m可用于从data/raw_data文件夹中包含的原始数据文件中提取高光谱数据。 data文件夹中已经提供了数据提取后获得的.mat文件。 相关性：当前代码包括在以下出版物中描述并由其各自作者开发的MATLAB函数。 [1] JM Nascimento和JM Bioucas-Dias-顶点分量分析：一种快速混合高