概率计算 一、概率计算就是在算法中可采用随机选择计算的步骤、元素或参数等。 二、它的基本特征是计算具有不确定性

【机器学习】依概率收敛的改进粒子群优化算法

机器学习：一种概率过程神经元网络模型及分类算法

【机器学习】概率粗糙集三支决策在线快速计算算法研究

《应用随机过程教程》教学资源（参考资料）与在算法和智能计算中的应用——第1章 概率论精要回顾与补充

实验一 总体概率密度分布的非参数方法 实验二 感知器准则算法实验 实验三 Fisher线性判别实验 实验四 BP神经网络算法实验 实验五 支持向量机算法实验

另一种非常流行的引入传导问题数值稳定性的方法是通过Lax- Wendroff'离 散化的方法。这节课介绍如何推导这些算法

• 贝叶斯推理提供了一种概率手段，基于如下的 假定：待考察的量遵循某概率分布，且可根据 这些概率及已观察到的数据进行推理，以作出 最优的决策。 • 贝叶斯推理为衡量多个假设的置信度提供了定 量的方法 • 贝叶斯推理为直接操作概率的学习算法提供了 基础，也为其他算法的分析提供了理论框架

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

针对提高Wi-Fi指纹室内定位技术性能，提出了一种基于卷积神经网络（Convolutional neural networks，CNN）的信道状态信息（Channel state information，CSI）指纹室内定位方法。在离线阶段联合定位环境参考点的幅度差和相位差信息，利用CNN进行训练，保存训练后的CNN网络模型作为指纹；在线阶段，针对不同实验场景，对测试数据的幅度差信息和相位差信息进行加权处理，引入改进的基于概率的指纹匹配算法，利用待定位点的CSI信息并通过CNN网络模型预测待定位点的坐标。此外，为增强算法普适性，针对复杂室内场景，提出了双节点定位方案来提高定位精度。在廊厅和实验室室内两种不同定位场景进行了实验，信息联合定位算法分别获得了24.7 cm和48.1 cm的平均定位误差，验证了基于CNN的CSI幅度差和相位差联合定位算法的有效性