42米现浇箱梁贝雷支架施工技术及方案.doc

研究了在无衍射光束成像过程中，相干和非相干光源对成像系统分辨率的影响。对于衍射受限的成像系统，利用衍射积分理论与傅里叶光学理论导出成像系统的点扩展函数（PSF）公式，对不同的PSF进行模拟比较，结果表明非相干光源下的PSF更加集中，成像质量更好。分别采用波长为632.8 nm的He-Ne激光相干光和中心波长458.5 nm、半峰全宽24.5 nm的蓝光发光二极管（LED）非相干光作为光源进行实验，并利用Zemax软件进行模拟。对比实验结果与数值模拟仿真结果：非相干光源下所成的条纹像粗细更加均匀清晰，分辨率更高。实验结果与理论分析及数值仿真模拟结果相吻合。

bayes-python 具体代码见：bayes_iris.py 我直接用了iris_data数据集，每种花我选取前45条数据当做训练集，剩下5条数据另外存入测试集iris_test_data，并将数据随机手动打乱 测试集如下： 因为这个数据集是连续性属性，所以需要利用概率密度函数。 具体实验步骤为： （1）先读取数据集 （2）计算训练数据集上每个类别的各个特征属性上的均值和方差 （3）开始对测试数据集进行分类 （4）首先估计先验概率，这里我每个类别所占整体数据集的比例是一样的 （5）利用概率密度函数，计算测试数据集上各个属性在每个类别上的条件概率 （6）计算后验概率=先验概率*条件概率 （7）比较在各个类别上的后验概率，取最大值，则分为这个类别 结果如下： 我们将结果与测试集比较发现结果完全正确！

利用模型参考自适应控制backstepping方式，结合matlab与vrep闭环控制二轮小车跟踪给定贝塞尔曲线。

在matlab开发环境下对贝叶斯网络进行结构学习 模型预测推理分类

为什么称为最小错误率Bayes决策？ 最小错误率Bayes决策使得每个观测值下的条件错误率最小因而保证了（平均）错误率最小。 Bayes决策是最优决策：即，能使决策错误率最小。 为什么Bayes决策是最优决策，我们还要学习这门课的其它方法？

用贝叶斯算法解决数据挖掘中分类的问题,通过训练集先训练出分类规则后,再输入测试集进行测试

贝叶斯优化 贝叶斯优化学习代码 什么是贝叶斯优化？ 一种使用高斯过程优化黑盒函数 f (x) 的技术（可能） 我想有效地搜索并找到 x_opt = argmax_x f (x)。 假设评估 f (x) 需要时间。程序大致如下。 t = 0，D_t = {} x_t = argmax A (x | D_t) y_t = f (x_t) D_ {t + 1} = D_t \cup {(x_t, y_t)} 到 1. 因为 t = t + 1 所以代替了难以直接优化的f(x)迭代优化 A (x | D_t)，这很容易（可能）直接优化。 A(x)被称为Acquisition函数，下面的大部分都是著名的。 最大平均值 (MM) 设 x_t 是使 GP 的后验分布的均值最大化的点 改进概率 (PI)设 x_t 是目前更新最好的概率最高的点 预期改进 (EI)让 x_t 成为最大化您可以针

本文档包含了贝克曼一些通讯协议文档，针对LIS开发的，可以看看

涵盖了目前表征数据分布范围、置信区间、贝叶斯数据统计等所有方法的统计绘图