基于稀疏贝叶斯框架的计算有效宽带DOA估计方法

人工智能贝叶斯搜索算法实验，内含实验报告以及实验代码（java）

1. 实验数据在bayes_datasets文件夹中。其中，  train为训练数据集，包含hotel和travel两个中文文本集，文本为txt格式。hotel文本集中全部都是介绍酒店信息的文档，travel文本集中全部都是介绍景点信息的文档；  Bayes_datasets/test为测试数据集，包含若干hotel类文档和travel类文档。 2. 用朴素贝叶斯算法对上述两类文档进行分类。要求输出测试数据集的文档分类结果，即每类文档的数量。

关于iris 的贝叶斯分类，用C++实现的

通过python实现贝叶斯算法进行水果fruits分类，水果的类型有 width ,height, color, subtupe ,level

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

基于最小风险贝叶斯决策的分类器，模式识别实验报告，word版，里面有实验原理、matlab源程序及运行结果和输出图像。

垃圾邮件分类的用例

 为了实现对空情目标威胁评估准确、方便、快捷的需求，根据贝叶斯网络特点，运用联结树推理算法，将其应用在空情目标威胁评估系统当中。最后通过实例分析，综合敌方的破坏力、机动能力、运动模式及行为企图的先验知识，对其空情目标进行估计，能够直观的理解以及能够很好的获得空情信息。

Gammy –使用贝叶斯扭曲的Python中的广义加性模型 广义加性模型是一种预测性数学模型，定义为用观察数据校准（拟合）的项之和。 该软件包为配置和拟合此类模型提供了希望的界面。 模型参数的贝叶斯解释得到了促进，并简化了特征集。 概括 广义的加性模型形成了令人惊讶的通用框架，用于为生产软件和科学研究构建模型。 该Python软件包提供了用于将模型项构建为各种基础函数的分解的工具。 可以将术语建模为各种内核的高斯过程（降维），分段线性函数以及B样条。 当然，还支持非常简单的术语，例如行和常量（这些只是非常简单的基函数）。 权重参数分布中的不确定性是通过贝叶斯统计方法在出色的包的帮助下。 这项工作尚处于初期阶段，因此仍然缺少许多功能。 具有GAM功能的其他项目 目录 安装 该软件包可以在PyPi中找到。 pip install gammy 例子 'roids的多项式回归 从非常简单的数