说明：集体编程智慧电子版（英文版） 本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。

说明：实现贝叶斯文本分类，从文本数据的预处理到计算正确率。

说明：模式识别中的贝叶斯决策的matlab仿真程序

说明：贝叶斯学习和强化学习相结合，其中包含贝叶斯Q学习

说明：神经网络算法，包含贝叶斯估计,统计模式识别算法等等

说明：VC功能的贝叶斯学习，在VC++环境下实现

说明：可以动态调节运行环境的参数，利用贝叶斯原理估计混合logit模型的参数，自写曲率计算函数 。

说明：朴素贝叶斯法主要根据概率论中的贝叶斯法则，是一种很好的用于文本分析的机器学习算法

说明：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

说明：关于贝叶斯估计的机器学习方法，其中主要描述与朴素贝叶斯

说明：PNL(probabilistic network library) Intel公司的开源贝叶斯网络开发库

说明：贝叶斯算法，是最简单的算法。。本文件是java版本

说明：联合贝叶斯代码，主要用于做人脸识别的，使用python语言写的

说明：应用贝叶斯建模，贝叶斯模型在许多领域有着广泛的应用，这文件介绍了面对实际问题如何建立一个贝叶斯模型。

说明：使用Python语言写的经典朴素贝叶斯算法的实现，完全能够应对算法设计课程的课程设计的代码需要

说明：利用贝叶斯原理估计混合logit模型的参数，matlab小波分析程序，快速扩展随机生成树算法。

说明：包括主成分分析、因子分析、贝叶斯分析，这是一个好用的频偏估计算法的matlab仿真程序,用于图像处理的独立分量分析。

说明：利用贝叶斯原理估计混合logit模型的参数，计算互信息非常有用的一组程序,真的是一个好程序。

说明：实现了对10个数字音的识别程序利用贝叶斯原理估计混合logit模型的参数，MIT人工智能实验室的目标识别的源码。

说明：贝叶斯压缩感知的两篇重要论文。贝叶斯压缩感知是压缩感知理论的一个重要分支。

说明：动态贝叶斯网络算法的计算和改进，包含测试例子

说明：一个师兄的毕设，利用贝叶斯原理估计混合logit模型的参数，独立成分分析算法降低原始数据噪声。

说明：JAVA垃圾邮件过滤系统，贝叶斯过滤算法的经典算法模式。

说明：贝叶斯推断与机器学习，机器学习领域特别好的参考资料

说明：贝叶斯推理和机器学习，基础资源，文档格式是PDF格式。

说明：时空上下文视觉跟踪（STC）算法的解读与代码复现 该论文提出一种简单却非常有效的视觉跟踪方法。更迷人的一点是，它速度很快，原作者实现的Matlab代码在i7的电脑上达到350fps。 该论文的关键点是对时空上下文（Spatio-Temporal Context）信息的利用。主要思想是通过贝叶斯框架对要跟踪的目标和它的局部上下文区域的时空关系进行建模，得到目标和其周围区域低级特征的统计相关性。然后综合这一时空关系和生物视觉系统上的focus of attention特性来评估新的一帧中目标出现位置的置信图，置信最大的位置就是我们得到的新的一帧的目标位置。另外，时空模型的学习和目标的检测都是通过FFT（傅里叶变换）来实现，所以学习和检测的速度都比较快。

说明：将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法

说明：模式识别书籍,内有贝叶斯，线性判别函数，svm和特征提取

说明：C++实现数据挖掘的贝叶斯分类方法和k-近邻分类方法，有源码，有示例数据，有说明文档

说明：机器学习中的朴素贝叶斯算法，利用python实现的算法