“我覺得可以。”阿光說，“首先給每一方格賦予不同的先驗概率，利用目擊事件似然更新每個小方格的後驗概率p（i，j）。”
“對，其實就是根據目擊報告，結合交通狀況、道路橋梁構架、曆史數據，不斷給每個方格賦予新的值。”
“比如這條和這條。”林朝夕用手指著報案記錄中的兩條報告，“一條顯示逃犯在城東，另一條顯示在城西，但如果前一個時刻報告也顯示嫌犯在城東，那麽城西的報告顯然可信度偏低。”
“也正因為這樣，在t 1時間內，城西這條道路附近目擊事件的賦值更高。”老王接著說。
“嗯。”
“所以要用貝葉斯網絡？”老王說，“重複多次使用貝葉斯定理，隨著證據越來越多，不斷更新後驗概率，彌補主觀判斷賦值後造成的偏差？”
“是啊。”林朝夕說，“也就是說，我們可以同時考慮在每一個時間截點上，逃犯可能出現的所有位置，得到一張概率分布圖，這張圖上的數值是不斷更新著的……”
“是你個頭！”老王震悚，“你這思路也太清奇了吧？讓我把你的腦子敲開看看！”
“我比較聰明？”林朝夕趕緊躲開。
阿光已經在紙上打了不少草稿，忽然抬頭：“媽的，無法反駁，你確實聰明。”
他說。
——
林朝夕其實很慚愧，這是她深入研究車禍問題，花了很長時間才得到的思路。而老王和阿光看上去卻是一點即通，接下來的討論，就變成老王和阿光同學的主場。
一般來說，建模大賽的參賽團隊必有分工。一人負責建模；一人作為論文主筆，而剩下最後一人，則負責程序編寫數據生成校驗。
按照他們事先製定的計劃，老王負責建模，阿光負責編程，而她做更基礎的文字工作，構建論文框架，撰寫論文。
但……
“為什麽你覺得python更好，matlab仍是科學計算的第一工具，在數學建模裏最好用，工具箱也多，有數不清的成熟模塊可以調用。”阿光說。
“但python裏麵的第三方模塊也很多，其中numpy模塊可以使python像嗎matlab一樣直接處理大型矩陣
本章尚未完結,請點擊下一頁繼續閱讀---->>>