说明：应用背景此函数计算的性能，基于贝叶斯定理，%临床试验。%%的语法：partest（x，α）百分之，及；%和，输入：%  ； ； ； ； ；X为2X2矩阵。%和，和，和，α-意义水平的置信区间（默认值= 0.05）。%% ....................影响（D +），健康（D）%  ； ； ...

matlab 性能 函数 基于 计算 贝叶斯 定理

说明：手写体数字识别的程序，用了三种方法，贝叶斯，最近邻和BP神经网络，用MATLAB编写的，算法简单易懂，结构清晰。

手写体数字识别 贝叶斯 最近邻 BP神经网络

说明：部分实现了追踪测速迭代松弛算法，matlab开发工具箱中的支持向量机，主要是基于mtlab的程序，通过反复训练模板能有较高的识别率，利用贝叶斯原理估计混合logit模型的参数，BP神经网络用于函数拟合与模式识别，FIR 底通和带通滤波器和IIR 底通和带通滤波器。

贝叶斯工具箱

说明：贝叶斯网络的参数学习，洒水车模型，比较经典的模型，整合后代码的m文件，em算法，不具有独创性。

c 网络 学习 参数 贝叶斯

说明：matlab实现一些基础的模式识别工作，如贝叶斯分类，聚类算法，bp神经网络

matlab 模式识别-代码 贝叶斯分类 ratheragy pattern-recognition

说明：模式识别中统计模式识别的方法，包括贝叶斯，统计学习，LDA，PCA，SVM的经典方法，是不可多得的算法的toolbox

lda-svm statistic-toolbox LDA-PCA-matlab 贝叶斯-算法 svm-matlab

说明：采用动量梯度下降算法训练 BP 网络。 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。

BP 网络 贝叶斯正则化算法 L-M 优化算法 trainlm 贝叶斯正则化算法 trainbr 白噪声

说明：包括主成分分析、因子分析、贝叶斯分析，BP神经网络用于函数拟合与模式识别，最小二乘回归分析算法。

回归拟合算法 贝叶斯拟合 贝叶斯-拟合

说明：通过bp神经网络实现的负荷预测，贝叶斯算法，效果还可以。

贝叶斯-预测 预测负荷 神经网络 贝叶斯预测 负荷预测

说明：采用动量梯度下降算法训练BP网络，采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络。

动量梯度 L-M 贝叶斯正则