实际应用中大量的不完整的数据集，造成了数据中信息的丢失和分析的不方便，所以对缺失数据的处理已经成为目前分类领域研究的热点。由于EM方法随机选取初始代表簇中心会导致聚类不稳定，本文使用朴素贝叶斯算法的分类结果作为EM算法的初始使用范围，然后按E步M步反复求精，利用得到的最大化值填充缺失数据。实验结果表明，本文的算法加强了聚类的稳定性，具有更好的数据填充效果。

BCS 理论是由 Shihao Ji 等提出的，BCS 理论解决问题的基本思想是为 CS的恢复问题建立了一个贝叶斯框架，将贝叶斯思想融入到 CS理论中，通过统计学解决问题的新视角来重新对待传统 CS理论的信号重构问题

控制方程： x和y的稳态动量，连续性，能量方程方程相对于 Pr 和 Ra 数是无量纲的。 有关等式的详细说明，请参阅“ Ouertatani等人，封闭环境中二维Rayleigh-Bénard对流的数值模拟。CRMecanique 336（2008）”。 最终结果也针对本文进行了验证。 边界条件（二维正方形）： u=v=0 在所有四个边无量纲温度 = 顶部 -0.5，底部 +0.5 域左侧和右侧的零温度通量 数值方法： 用于解决速度-压力耦合的SIMPLE算法。 请查看“Versteeg, Malalasekera：计算流体动力学介绍”教科书。 速度网格与压力网格错开。 温度与压力具有相同的网格。 在每次迭代中使用雅可比方法更新速度和温度，并使用五对角矩阵算法直接求解压力校正方程。 应选择适当的欠松弛因子进行收敛。 Jacobi 方法是效率最低的迭代方法，但它是可并行化的。 鼓励您

DrawBezierLine.rar是一个使用Cocos Creator V2.1.4,TypeScript编写的一个画n阶贝塞尔曲线的一个工具

清晰的mobi资源，有完整的目录书签，阅读效果完美。 极易阅读，能够在最短的时间里重新捡回概率与统计的知识。 全美经典，有品质保证。

基于OpenGL写的贝塞尔曲线程序，程序启动后，用户在OpenGL框架产生的窗口中用鼠标任意点击三个点之后，就会生成3点构成的贝赛尔曲线。

matlab分时代码BVAR连接 描述 这是一种用户友好的Matlab GUI，它对贝叶斯多主题向量自回归（VAR）模型实施了变分推理方法，以便基于静止状态功能MRI数据来推理有效的大脑连通性。 建模框架使用贝叶斯变量选择方法，以允许在主题级别和小组级别同时推断有效的连接性。 它还可以灵活地将多模式数据（尤其是结构性DTI数据）集成到现有结构中。 我们开发的变分推理方法可实现方法的可扩展性，并能够根据数据的全脑分割来估计主题级和小组级的大脑连接网络 下面的手稿中描述了变分方法的方法论和详细实现： Chiang，S.，Guindani，M.，Yeh，HJ，Haneef，Z.，Stern，JM和Vannucci，M.（2017）。 使用多模态神经影像数据进行多主体有效连通性推理的贝叶斯矢量自回归模型。 人脑映射，38，1311-1332。 Kook，JH，Vaughn，KA，DeMaster，DM，Ewing-Cobbs，L.和Vannucci，M.（2020年）。 BVAR-连接：用于大脑连接网络推理的多主题向量自回归模型的变分贝叶斯方法。 神经信息学的出现。 内容和安装。 该存储库包含

贝叶斯分类算法 贝叶斯分类算法的伯努利模型 贝叶斯分类算法的多项式模型 NaiveBayesClassifier

生物神经系统的六个基本特征： 1）神经元及其联接； 2）神经元之间的联接强度决定信号传递的强弱； 3）神经元之间的联接强度是可以随训练改变的； 4）信号可以是起刺激作用的，也可以是起抑制作用的； 5）一个神经元接受的信号的累积效果决定该神经元的状态； 6) 每个神经元可以有一个“阈值”。 8.3 人工神经网络 8.3.1 生物神经元

根据人名预测性别_基于多项式的朴素贝叶斯算法实现. 手工实现了一个基于贝叶斯算法的文本分类（二分类) 里面有两个案例，有一个案例有手工计算的过程，用于佐证算法实现的准确性的，另一个是一个小竞赛中的题目，用名字预测性别.