贝叶斯滤波:根据输入信息,得出或者更新发生某件事的概率。
相关资料:
司南牧:【易懂教程】我是如何十分钟理解与推导贝叶斯滤波(Bayes Filter)算法?zhuanlan.zhihu.com![70d5e32534a0a3e7b80e29d7ec89453d.png](https://i-blog.csdnimg.cn/blog_migrate/0800d5f8f123041e9847396216bfe5c3.jpeg)
中间用到的概率论知识:
我是如何十分钟复习概率论基础知识?_@司南牧|知乎|博客|易懂教程|李韬-CSDN博客_概率论 复习blog.csdn.net![591261fd0b86d4ba835cab51372264c0.png](https://i-blog.csdnimg.cn/blog_migrate/9a0aa22079bc776f82a88c09f4aad46d.png)
文章中有一个关于贝叶斯滤波的编程:
[易懂实例讲解]离散型贝叶斯滤波python编程代码实践_@司南牧|知乎|博客|易懂教程|李韬-CSDN博客blog.csdn.net![591261fd0b86d4ba835cab51372264c0.png](https://i-blog.csdnimg.cn/blog_migrate/9a0aa22079bc776f82a88c09f4aad46d.png)
关于这个例子:
我认为没有涉及
![99108a14ec01e97d2c11ba2a304055cb.png](https://i-blog.csdnimg.cn/blog_migrate/97ad8b3ef05789438f9b253050e5449c.png)
标红的都可以去掉,就变为:
这个概率其实是直接给出来的,只是很多步之后的概率要自己算而已。
我觉得没有反映出贝叶斯应用的灵魂来,仅仅就是个概率论的应用。
贝叶斯理论:根据概率论知识,得到最终状态的概率分布的计算方法。
![ea64b0e8df0ce1336338fafae62f7f5a.png](https://i-blog.csdnimg.cn/blog_migrate/b32851ceaff1b7c0a502eec7a8e4cd49.png)
卡尔曼滤波:告诉你