林朝夕点头。

    “麻瓜肯定选简单的题目，但我们不一样啊，我们需要挑战！”阿光很兴奋地喊道。

    林朝夕继续点头。

    “那就这么决定了！”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的气氛。

    再一开始的兴奋和激动过后，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。

    按照事先制定的策略，他们三个开始仔细审读题目，并发表各自看法。俗称头脑风暴。

    老王又开始老干部模式主持会议：“大家各自说说自己的看法，这个题还是很有难度的。”

    阿光打开附录中的文档，里面记载了密密麻麻的通话记录：“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。”

    “如何区分？”老王问。

    “贝叶斯网络。林朝夕说。

    “嚯！”老王深吸一口气，“徒弟你年纪不大，口气不小！”

    “我们可以对每个目击事件赋予一个概率，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的网格，以n和e表示其经纬度，t为时间，p（n，e，t）为逃犯在某一时刻出现在某一位置的概率。”

    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。

    “我觉得可以。”阿光说，“首先给每一方格赋予不同的先验概率，利用目击事件似然更新每个小方格的后验概率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的值。”

    “比如这条和这条。”林朝夕用手指着报案记录中的两条报告，“一条显示逃犯在城东，另一条显示在城西，但如果前一个时刻报告也显示嫌犯在城东，那么城西的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的赋值更高。”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的偏差？”