说明：贝叶斯分类方法源于人类的日常生活，是最基础的一种分类方法。在数学上，它基于贝叶斯决策公式的计算来分类；在现实中，它基于人类对于分类的基本经验来完成分类。所谓分类的基本经验，就是远在使用机器来做模式识别之前，人类经常使用的“大概”概念，由人类加以总结之后形成了概率论的数学理论分支。

matlab 分类 代码 Iris 数据 贝叶斯

说明：下面的Matlab项目包含用于学习bayesian网络中dag结构的k2算法的源代码和Matlab示例。&K2算法是近二十年来贝叶斯网络中最著名的基于分数的算法。

DAG 结构 matlab 网络 学习 算法

说明：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。

Trainlm BP-noise 贝叶斯正则化 L-M优化bp

说明：该代码实现了变换的贝叶斯方法，对理解变换的贝叶斯方法有很大的促进作用，能够运行实现，希望对大家有所帮助。

c 代码 方法 变换 贝叶

说明：对于一个两类分类问题，当n=100时候，用mvnrnd()函数随机产生两类样本；每一类的样本容量不小于100；2）设计最大似然估计算法对两类类条件概率密度函数进行估计；3）设计非参数估计算法对两类的类条件概率密度进行估计（任选Parzen窗法或kn-近邻法之一），并分析样本数量、窗宽、k等因素对概率...

说明：利用BNT产生大量样本数据进行贝叶斯网络的结构学习与参数学习。

参数学习 BNT 贝叶斯网络 bnt.zip

说明：贝叶斯网络的学习样本，有收集来的，有自己产生的。主要有asia，cheng，heart等，有用的可以参考。

贝叶斯网络 asia cheng heart

说明：神经网络工具箱，贝叶斯网络工具箱。内有说明。

神经网络工具箱 贝叶斯网络工具箱

说明：这个有中文注释，看得明白，包括主成分分析、因子分析、贝叶斯分析，BP神经网络的整个训练过程。

BP 神经网络 BP神经网络 成分分析 因子分析 贝叶斯分析

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