基于最小错误概率的贝叶斯分类器

分布式贝叶斯同震反演

针对移动目标防御中网络攻击面缺少客观风险评估的不足，为了有效地实现网络系统的安全风险评估，实现对潜在的攻击路径进行推算，提出一种基于贝叶斯攻击图的网络攻击面风险评估方法。通过对网络系统中资源、脆弱性漏洞及其依赖关系建立贝叶斯攻击图，考量节点之间的依赖关系、资源利用之间的相关性以及攻击行为对攻击路径的影响，推断攻击者到达各个状态的概率以及最大概率的攻击路径。实验结果表明了所提网络攻击面风险评估方法的可行性和有效性，能够为攻击面动态防御措施的选择提供很好的支撑。

该说明书对贝叶斯神经网络工具箱的使用进行了详细的说明

贝叶斯估计 贝叶斯估计 贝叶斯估计 贝叶斯估计 贝叶斯估计

The Bayesian method is the natural approach to inference, yet it is hidden from readers behind chapters of slow, mathematical analysis. The typical text on Bayesian inference involves two to three chapters on probability theory, then enters what Bayesian inference is. Unfortunately, due to mathematical intractability of most Bayesian models, the reader is only shown simple, artificial examples. This can leave the user with a so-what feeling about Bayesian inference. In fact, this was the author's own prior opinion.

k-means聚类算法及matlab代码贝叶斯非参数小方差渐近聚类 这是贝叶斯非参数小方差渐近聚类算法库：DP均值，动态均值，DP-vMF均值，DDP-vMF均值。 出于比较原因，该库还实现了k均值和球形k均值。 该库带有一个可执行文件，该可执行文件允许使用DP-vMF-means，DP-means，球形k-means和k-means进行批量聚类。 示出了算法的简单性。 有关使用DDP-vMF-means的示例，请参考，该文档依赖于此程序包的dpMMlowVar库使用DDP-vMF-means从Kinect RGB-D流执行实时方向分割。 如果您使用DP-vMF手段或DDP-vMF手段，请引用： Julian Straub, Trevor Campbell, Jonathan P. How, John W. Fisher III. "Small-Variance Nonparametric Clustering on the Hypersphere", In CVPR, 2015. 如果您使用动态均值，请引用： T. Campbell, M. Liu, B. Kulis, J. How

Yee Whye Teh的非参数贝叶斯混合模型代码 此存储库的主分支包含Yee Whye Teh的代码和 ，我从2015年9月18日从下载该代码。 我将其未经修改地复制到此处，以实现可访问性。 非参数贝叶斯混合模型-版本1自述文件 This code base is for people interested in trying out various nonparametric Bayesian models on some simple data sets. It is implemented in MATLAB so by definition cannot be very efficient. This is because it is for people to muck around with and experiment. That said, the code is rea

matlab非参数代码女妖 此存储库包含 BANSHEE - 用于非参数贝叶斯网络的 MATLAB 工具箱。 代码是支持SoftwareX论文的原始版本的更新： 贝叶斯网络 (BN) 是用于表示复杂依赖结构的概率图形模型。 它们在科学和工程中有许多应用。 这个工具箱实现了一个特别强大的变体非参数 BN。 该软件允许量化 BN，验证模型的基本假设，可视化网络及其相应的秩相关矩阵，最后根据现有或新证据对 BN 进行推理。 该工具箱还包括一些发表在近期科学文献中的应用 BN 模型。 src/ 目录包含 BANSHEE.mltbx 文件，其中包含 MATLAB 工具箱的安装程序。 docs/ 目录包含工具箱的快速入门指南。 使用工具箱前请查阅指南。 此版本 (1.2) 与支持 SoftwareX 出版物 (v1.1) 的已发布版本相比具有以下更改： 添加了两个新的现实生活模型，用于预测住宅和商业部门的洪水损失； 更新了快速入门指南； 更正“predict_coastal_erosion.m”中的描述； 删除三个 .mat 文件，其中包含其他 .mat 文件中存在的数据； 更新对 Softwar

mlrMBO：R中的贝叶斯优化和基于模型的优化的工具箱