今天看啥  ›  专栏  ›  新机器视觉

学习笔记 | 概率基础:贝叶斯滤波

新机器视觉  · 公众号  ·  · 2024-10-02 21:00

文章预览

本文主要记录一下,概率公式,先验、后验、似然等概念,并记录对贝叶斯滤波、离散贝叶斯滤波、静态二值贝叶斯滤波、粒子滤波的理解过程。 一、条件概率,条件独立联合概率 1.1 条件概率与联合概率的概念 条件概率是指事件A在事件B已经发生的条件下发生的概率。条件概率表示为:P(A|B),读作“A在B发生的条件下发生的概率”。联合概率是指在多元的概率分布中多个随机变量分别满足各自条件的概率。表示两个事件共同发生的概率。A与B的联合概率表示为 P(AB) 或者 P(A,B),或者 P(A∩B)。 1.2 独立与相关、贝叶斯准则 A与B两个事件独立时,情况比较简单,这个时候条件概率 P(A|B) = P(A), 联合概率 P(A,B) = P(A)*P(B) 我们主要研究A与B两个事件相关的情况。此时条件概率:P(A|B) = P(A,B)/P(B) 联合概率:P(A,B) = P(A|B)*P(B),P(B,A) = P(B|A)*P(A) 由 P(A,B) = P(B,A)可以得到 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览