说明：一种基于情感词典和朴素贝叶斯的中文文本情感分类方法

说明：模式识别的内容，包括模式识别的基本概念、模式识别方法及应用。具体的内容包括：正则化网络、Bayes决策理论、分类器组合、统计学习理论、概率密度估计、非监督学习方法

说明：用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别.2． 同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。3．选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。

说明：1.用最大似然比的方法检测信号、判别概率等。2.Bayes检测方法检测信号。3.判别风险系数

说明：用于图像分类研究的似然函数模式分类的贝叶斯分类器源程序

说明：source codes for bayes classifier

说明：matlab中的贝叶斯工具箱使用说明,包含了基本函数介绍和实例教程。

说明：关于贝叶斯研究的相关论文，范围很广的，都是些经典应用。

说明：用matlab工具，bayes方法实现对男女生身高体重（无相关性）的分类问题。

说明：用matlab编程，用bayes方法实现对男女生身高体重的分类问题。

说明：这是最小错误概率贝叶斯程序 测试效果较好 大家看看

说明：关于贝叶斯的算法程序，希望能对大家有帮助

说明：这是一个利用C#编写的贝叶斯中文文本分类器，分词器使用了ICTCLAS分词器。

说明：这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度函数。 调用最小风险贝叶斯分类器决策子函数时，根据先验概率，再根据自行给出的5*5的决策表，通过比较概率大小判断一个体重身高二维向量代表的人是男是女，放入决策数组中。 主函数第一步打开“MAIL.TXT”和“FEMALE.TXT”文件，并调用最大似然估计求取概率密度子函数，对分类器进行训练。第二步打开“test2.txt”，调用最小风险贝叶斯分类器决策子函数，然后再将数组中逐一与已知性别的数据比较，就可以得到在一定先验概率条件下，决策表中不同决策的错误率的统计。

说明：这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度函数。 调用最小错误率贝叶斯分类器决策子函数时，根据先验概率数组，通过比较概率大小判断一个体重身高二维向量代表的人是男是女。 主函数第一步打开“MAIL.TXT”和“FEMALE.TXT”文件，并调用最大似然估计求取概率密度子函数，对分类器进行训练。第二步打开“test2.txt”，调用最小错误率贝叶斯分类器决策子函数，然后再将数组中逐一与已知性别的数据比较，就可以得到不同先验概率条件下错误率的统计。

说明：Naive Bayes Source code

说明：bayes classifer,by taymaz farshi

说明：贝叶斯的分类 并用到高斯混合模型当中有很好的分类效果

说明：python语言写的bayes分类器，自己写的，完全可用！

说明：基于小波系数的bayes估计的图像去噪，根据论文所讲的算法进行的编程，运行结果还不错。

说明：课程设计源代码，实现功能在文档内有介绍。内含knn、bayes识别及pca、lda进行特征提取多种算法，运行参照readme。

说明：Implementation bayes

说明：贝叶斯分类器，首先生成3000个高斯分布的点，1000个点做训练集，2000个点做测试集。先运行data_generator.m自动生成两个集盒，再运行bayes_classifier.m进行分类

说明：这是一个可用于分类和数据挖掘的贝叶斯算法，Java源代码

说明：基于bayes准则和fisher准则的线性分类器。bayes是对细胞的判别分类 分为最小错误率和最小风险两种；fisher是对两类进行判别

说明：使用Matlab实现，包括一维特征最小错误率bayes分类器；二维特征最小错误率bayes分类器；二维特征最小风险bayes分类器以及使用的数据集合。

说明：教您如何用matlab使用贝叶斯网络工具箱。

说明：Boosting中的AdaBoost.M1算法在文本分类中的应用实现。使用ICTCLAS用于中文分词，弱分类器使用Naive Bayes。程序参数使用配置文件的格式。

说明：有几类样本点，利用BAYES分类器求出其分界面，并分析这类分类器的特点。

说明：Bayes分类器，C++实现。2个文件，最简单的实现贝叶斯