图像矩阵matlab代码贝叶斯 MATLAB代码可运行维稳健的MCMC来进行分层贝叶斯反演，如Dunlop，Iglesias和Stuart撰写的《分层贝叶斯能级集反演》所述。 提供了三个示例正向模型：直接点观测，地下水流模型和电阻抗层析成像模型。 提供了以下文件： run_mcmc.m ，在文件开头定义的参数（网格分辨率，样本数量，先前的平滑度等）下执行MCMC。 可选地，输出可以显示为数字。 长度比例参数和一些傅立叶模式的痕迹保存在内存中。 gaussrnd.m根据给定的平滑度参数alpha，反比例尺参数tau和网格大小N，从本文概述的高斯先验生成2D样本。该样本在傅立叶空间中提供，并重整为N ^ 2 * 1向量。 make_lvl.m取一个代表连续函数的方阵，以及两个级别的阈值，返回代表分段常数函数的矩阵。 阈值函数采用的值在此文件中定义。 ell.m选择适当的正向模型，将阈值函数映射到输出测量值。 这三个模型包含在model_id.m，model_gwf.m和model_eit.m中。 model_id.m对分段常数字段进行直接观察。 观察是在J点的正方形网格上进行的。 J在文件

太赫兹(THz)波具有的许多独特性质，使其非常适合应用于对人体的安检成像，但是目前原始太赫兹图像的信噪比、对比度和分辨率都有待改善。为提高太赫兹安检图像的质量，研究提出一种基于马尔可夫随机场理论的被动式太赫兹图像复原算法。对原始图像进行去噪和增强的预处理之后，在贝叶斯分析的基础上增加马尔可夫约束项进行图像复原。通过改变迭代次数和正则化参数，得到了清晰度不同的处理结果，经主客观评价指标分析确定了最佳的参数。实验结果证明，本算法可以在被动式太赫兹图像的噪声滤除和边缘信息保持上取得较好的平衡，从而大幅提高太赫兹安检图像的目标分辨能力。

gsoc17-hhmm：贝叶斯分层隐马尔可夫模型应用于金融时间序列，这是Google Summer of Code 2017的研究复制项目

机器学习领域一个非常重要理论就是贝叶斯理论，本文就是一篇关于使用朴素贝叶斯分类器来进行多维数据分类的学习使用文档，由于使用latex进行排版，所以就直接上传PDF文档了，如有问题可以在CSDN上私信我，多谢批评指正。