Bayes概率推理融合

更新假设的相信程度

先定义候选假设$H$，得到先验$P(H)$；由传感器和观测模型说明给定假设时观测的条件概率$P(X\mathrm{\mid }H)$。收到新观测$X$后更新$P(H\mathrm{\mid }X)$，再按最大后验等决策规则选择最佳假设解释。

教材此处把后验符号写为$P(X\mathrm{\mid }H)$，但文字明说“观测为X时对H的相信度”；本卡据含义用$P(H\mathrm{\mid }X)$，不将似然与后验互换。最大后验是所设模型中的选择，不证明被选假设必真实。

多级系统

多Bayes系统把不同传感器作为不同估计器组成多级决策系统。各源相关性、先验适用性和模型条件仍须说明，不能把重复证据无条件当独立证据累乘。