贝叶斯网络（Bayesian Nets，简写BNs）也称为贝叶斯信念网络（Bayesian Belief Networks），是一个基于概率的不确定性推理网络。
基于55个网页-相关网页
最流行的贝叶斯算法是： 朴素贝叶斯； 高斯朴素贝叶斯； 多项朴素贝叶斯； 平均一依赖估计量（AODE）； 贝叶斯信念网络（BBN）； 贝叶斯网络（BN）； 聚类算法 几乎所有的聚类算法都涉及使用数据中的固有结构，这需要将数据最佳地组织成最大共性的组。
基于20个网页-相关网页
贝叶斯信念神经网络法 BCPNN method
它主要有两种分类方法：一种为朴素贝叶斯分类，另一种为贝叶斯信念网络分类。
It is mainly of two kinds, Naive Bayesian Classification and Bayesian Belief Network Classification.
研究软件模块排序模型的评估和使用方法，并提出以贝叶斯信念网络改进排序模型的基本定量模型。
It researches the method for the models evaluation and use, and then introduced the bayesian belief networks to improve the underlying quantitative model.
同时，进一步完善了软件项目开发风险管理流程，并利用贝叶斯网络的信念更新过程实现动态软件项目风险管理。
In addition, the flow of risk management in software project development is adjusted and dynamic risk management of software project is realized using BNs belief update.
应用推荐