ACA收集的數據對單個級別實用程式進行分級Bayes估計
ACA/HB是使用ACA收集的數據對單個級別實用程式進行分級Bayes估計的系統。在過去幾年中，領先的學者已經開發出一種新的技術來估計聯合實體，稱為分層貝葉斯（HB）。 HB顯著提高了聯合分析結果。雖然傳統聯合（CVA）和基於選擇的方法（CBC）的改進最為多，且ACA還受益於HB的估計。
更有效的估算分析
ACA / HB模板通過“借用”其他個人的信息來提高每個人的效用估算的質量。這意味著更準確地預測個人選擇和分享估算。
ACA被批評有自顯性優先和聯合配對零件之間潛在的規模不兼容性。ACA / HB提供了一個更理論上合理的方式來組合這兩個部分的數據。不僅技術更加防守，而且總體上更好。
ACA / HB在使用“Most Likelies”和“Unacceptables”時，更好地估算不會成對使用的級別的公用事業。
系統需求
Windows XP 或更新版本
