序言：

混合概率模型近年来已成为诸多领域研究和应用的热点，大小paper铺天盖地波涛汹涌，但在日常生活蝇头小事中的应用仍然有待更深层次的研究。在本文中，中国科学院上海生命科学院生物信息学08届PhD毕业生屠康同学学以致用融会贯通，独创&首创了如何应用混合概率模型对prospective BF/GF的可行性进行筛选和预测的方法，这在国内、国际、全球、全太阳系乃至外太空都尚属首次。这种方法必将成为广大单身男女尤其是在计算科学领域浮浮沉沉大起大落的广大单身男女PhD解决其终身头等头疼大事最为简单而有效的解决方案。

实验材料：

Negative Data Set：ex-BF/GF若干，收集诸位姓名性别身高体重相貌三围学历籍贯道德品行家庭出身工作收入有无不良嗜好等等特征，计算descriptor归一处理

Positive Data Set：None

方法与结果：

定义理想BF/GF姓名性别身高体重相貌三围学历籍贯道德品行家庭出身工作收入有无不良嗜好等等特征的特征值范围（注：各种特征排名不分先后）

鉴于所有要求全部达到难度较大，建议你给各个特征加权，做一个协方差矩阵，乘一下看结果

或者用贝叶斯分类做，先定好你的期望（先验概率），然后把观察值代进去算属于你需要那一类的后验概率

>0.99你就出手

对于个人而言呢，往往只有Negative集，比如说一堆的前bf

所以，给你个建议，没有Positive bf不能SVM

所有的男生，在你面前可以区分为 合适和不合适 2类

对你而言，可能只有不合适的经验

合适和不合适的男生，在各种descriptor上服从不同的分布

通常假设为多元高斯分布

因此，所有的男生叠加起来服从混合型高斯分布

这个时候在有negative的情况下

而你又不很清楚Positive男生的分布参数是什么

这个时候可以用一个三层的Hierarchy bayesian network模型模拟，用EM求解positive男生和negative男生的先验分布

以后你每遇到一个男生，代入该模型可以求得属于“合适”男生的后验概率分布的期望

如果期望值>0.9，你可以考虑把人家搞定

算法可行性研究：

应该说大多数指标比如身高体重都服从高斯分布，所以假定是合理的，此算法具有较强的可行性和应用性

分析与讨论：

随着混合概率模型在诸多领域尤其是计算科学领域日益广泛的应用，以及广大PhD找不到LG/LP或者找到LG/LP也难逃被踹厄运的个人问题的日益加剧，混合概率模型应用在个人问题的解决方面已然是大势之需。本文所述方法的提出必将成为该问题解决的有效渠道，虽然不一定是唯一渠道。

由于所涉及的是与情感、情商息息相关的问题，所以算法中所涉及的期望值可根据自身对另一半的需求程度、匹配程度高低，以及个人对分手失恋打击的接受程度适当改变。

此外，该算法目前可解决的问题范围仅限于BF/GF的筛选和可能性预测问题，对于未来的发展走向仍有待研究。有兴趣者可直接与屠康同学联系共同研发，有朝一日发个nature science，第二作者就是你！

目前，该算法相关的公式推导与程序开发尚在进行中，请各位看客静候佳音。