摘要： 假设已知先验概率P(ωj)，也知道类条件概率密度p(x|ωj)，且j=1,2.那么，处于类别ωj，并具有特征值x的模式的联合概率密度可写成两种形式：p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj)整理后得出贝叶斯公式（只有两种类型的情况下）下面分别介绍一下后验概率、似然函数、先验概率以及证据因子。1、后验概率后验概率P(ωj|x)，即假设特征值x已知的条件下类别属于ωj的概率。2、似然函数p(x|ωj)为ωj关于x的似然函数，也成为类条件概率密度函数，表明类别状态为ω时的x的概率密度函数*。3、先验概率先验概率P(ωj)是由先验知识而获得的。4、证据因子证据因子的存在知 阅读全文

摘要： 昨天已经生成了距离矩阵。今天的任务是把它们放到展现层，让游客用户可以使用。1、编写一个查询方法，查询某个距离范围内的景点的数量select count(*) from distance where( sight1='3_d_20' or sight2='3_d_20')and distance < 50;将该方法写入DAO层。2、编写一个查询方法，查询某个距离范围内的景点列表select * from distance where( sight1='3_d_20' or sight2='3_d_20')and distanc 阅读全文