基于贝叶斯网络的不确定性知识的推理方法

贝叶斯网络是不确定性知识表达与推理的一种新方法。它是概率论和图论相结合的产物,可用于复杂多因果关系的分析,是人工智能领域的研究热点和重要成果之一。由于它的解决方案明确、直观,所以近年来在远程医疗、故障诊断以及数据挖掘等领域,得到了广泛的应用。本文论述了贝叶斯网络的基本理论、方法和应用,并指出当前所存在的主要问题。     

Bayes DLM递推方程中未知参数分布假定的理论证明

贝叶斯动态线性模型（简称为Ｂａｙｅｓ ＤＬＭ）是一种特殊的预测方法,它以一个动态方程组的先验信息为基础,通过一组递推修正方程预测指标的变化情况。本文给出递推修正方程的一个假定前提的理论证明,从而说明Ｂａｙｅｓ ＤＬＭ的合理性和严密性。     

提高平面图形绘制效果的优化方法

本给出了在计算机屏幕上绘制平面图形时，提高其绘制效果的优化方法，对于任意 给定的一组或多组数据和屏幕区域，通过这种方法，可使绘制的图形整体布局合理，美观大方，同时又能最大限度地利用给定的屏幕空间，为用户提供尽可能的清晰可见的实用信息 。