狄利克雷过程（Dirichlet process），理学-计算机科学技术-人工智能-机器学习-贝叶斯学习，一个生成概率分布的随机过程。从1973年由Thomas S.Ferguson提出至今，狄拉克雷过程作为先验分布被广泛地应用于非参数化贝叶斯模型中。假定为空间上的有限测度，其中为有限正实数，为概率测度，那么对空间上的任意一个可测度分割，用和为参量的狄拉克雷过程将生成一个服从狄拉克雷分布的随机向量。这个向量的每一个元素都非负而且所有元素之和恒等于1。用狄拉克雷过程作为先验分布的突出优点之一是给定从该过程生成的数据，其后验分布依然是狄拉克雷过程。狄拉克雷过程有多种等效的表达形式。首先它可以通过对伽马过程进行归一化来产生。其次以和为参量，该过程的一个随机采样可以表达成无限可数个从中独立生成的元素；这些元素的概率权重由一个取为参量的折棍（stick-breaking）过程来依次产生；这个折棍过程保证所有元素的概率权重之和为1。