“比如这条和这条。”林朝夕用手指着报案记录中
两条报告，“
条显示逃犯在城东，另条显示在城西，但如果前个时刻报告也显示嫌犯在城东，那
城西报告显然可信度偏低。”
“也正因为这样，在t+1时间内，城西这条道路附近目击事件赋值更高。”老王接着说。
“嗯。”
“所以要用贝叶斯网络？”老王说，“重复多次使用贝叶斯定理，随着证据越来越多，不断更新后验概率，弥补主观判断赋值后造成偏差？”
“是啊。”林朝夕说，“也就是说，
们可以同时考虑在每个时间截点上，逃犯可能出现所有位置，得到张概率分布图，这张图上数值是不断更新着……”
“如何区分？”老王问。
“贝叶斯网络。林朝夕说。
“嚯！”老王深吸口气，“徒弟你年纪不大，口气不小！”
“们可以对每个目击事件赋予个概率，概率越大，它就越可能发生。”林朝夕说着，拿过草稿纸。她先在上面画上简易地图，又打上网格。
“把地图分成相同大小网格，以n和e表示其经纬度，t为时间，p（n，e，t）为逃犯在某时刻出现在某位置概率。”
”阿光很兴奋地喊道。
林朝夕继续点头。
“那就这决定
！”老王愉快地说道
——
电脑教室里开着几十台机器，还有几十位同学在热烈讨论。无论空调开得多低，都压不住这里热火朝天气氛。
“是你个头！”老王震悚，“你这思路也太清奇吧？让把你脑子敲开看看！”
“比较聪明？”林朝夕赶
老王和阿光敛眉深思。
老王：“然后按照时间顺序，不断更新？”
林朝夕点头。
“觉得可以。”阿光说，“首先给每方格赋予不同先验概率，利用目击事件似然更新每个小方格后验概率p（i，j）。”
“对，其实就是根据目击报告，结合交通状况、道路桥梁构架、历史数据，不断给每个方格赋予新值。”
再开始兴奋和激动过后，林朝夕很快静下来。
虽然这道追击逃犯问题，和预测老林车祸问题非常相似，但他们仍有不同。
按照事先制定策略，他们三个开始仔细审读题目，并发表各自看法。俗称头脑风,bao。
老王又开始老干部模式主持会议：“大家各自说说自己看法，这个题还是很有难度。”
阿光打开附录中文档，里面记载密密麻麻通话记录：“相当阴险啊，这些报警里，肯定有虚假警报和真实警报，需要把他们区分开。”
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
