搜索资源列表
FLch5RMLeg2
- 用matlab仿真的递推极大似然法辨识程序，可用来进行系统辨识，很好用-simulation using Matlab Recursive maximum likelihood method identification procedures, which can be used for system identification, good use
gaussianSrc
- The EM algorithm is short for Expectation-Maximization algorithm. It is based on an iterative optimization of the centers and widths of the kernels. The aim is to optimize the likelihood that the given data points are generated by a mixture of Gaussi
icaML
- he algorithm is equivalent to Infomax by Bell and Sejnowski 1995 [1] using a maximum likelihood formulation. No noise is assumed and the number of observations must equal the number of sources. The BFGS method [2] is used for optimization. The
Estimate_Y
- 神经网络 高斯分布 最大后验估计 最大似然估计-Neural network Gaussian maximum a posteriori estimate maximum likelihood estimate
EM
- EM算法Matlab实现。最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）-EM algorithm by Matlab. Maximum expected (EM) algorithm is probabilistic (probabilistic) model to find maximum likelihood parameter estimation or m
cosmomc10.tar
- 用准蒙特卡洛方法，即Monte-Carlo-Markov-Chain计算似然函数，确定宇宙学参数。-To calculate the likelihood and find the best parameter set.
bayes-classsifier
- 该程序源码中包括了各种典型分布的二维数据的自动生成，二维概率密度函数的极大似然估计和窗函数估计，bayes分类器的设计和分类器错误率的多种方法估计-The program includes a variety of typical source distribution of the automatic generation of two-dimensional data, two-dimensional probability density function of the maximum l
zuidasiranbisuanfa
- 针对MPSK信号的调制识别问题，本文提出了一种新的最大似然比调制分类算法，采用平均释然比检测方法，通过对接收信号的的离散化和对主要参数的简要近似，得到了离散情况下的近似分类统计量！-MPSK signals for modulation recognition problem, we propose a new maximum likelihood modulation classification algorithm, using an average of more than relieve
Source-Localization-in-UWSAN
- 文章针对低信噪比下的水下目标定位问题，建立了水下无线传感器阵列网络，该结构包括多个分布式声传感器阵列，它适应于多模态信号处理，既可以利用目标的方位信息，又可以用能量信息。文中提出了用每个阵列接收到的信号能量作为参量完成目标定位并推导了基于能量的最大似然比目标定位方法。数值仿真表明：基于该结构的能量似然函数定位方法，可以有效估计目标的位置。并且比单阵元网络的定位性能和信息传输率上有了较大的提高， 尤其是在低信噪比下情况下，可以大大减小估计的方差。-With novel underwater wir
NaiveBaye
- NaiveBayes 训练函数 通过对训练数据进行NaiveBayes 算法估计 产生先验概率估计和似然概率估计-NaiveBayes Training Produce likelihood and prior matrix
nbem.tar
- Naive bayes classifer的具体实现，使用多模态事件模型表示，提供EM算法用于半监督和无监督学习，最大似然估计用于有监督学习-The Naive bayes classifer implementation, using a multi-modal event model EM algorithm for semi-supervised and unsupervised learning, maximum likelihood estimation for supervised
RELS
- 增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average
Q1
- 2类分类高斯模型 每个类是由一个单一的多元高斯分布的3-D建模 显示如何估计高斯均值向量和协方差矩阵的最大似然（ML）估计的基础上为每个类。 meanA和meanB代表每个类的均值，varA和varB的的代表每个类的协方差矩阵.-2-class classifier with Gaussian Models Each class is modelled by a single 3-D multivariate Gaussian distribution Show
EM
- EM算法，统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。程序用C++实现，注释写得很清晰-Expectation-maximization algorithm，based on Maximum Likelihood Estimation,C++ program
PARTICLE-FILTER-ISSUES
- 针对基于贝叶斯原理的序贯蒙特卡罗粒子滤波器出现退化现象的原因, 以无敏粒子滤波(U PF)、辅助粒子滤波 (A S IR) 及采样重要再采样(S IR) 等改进的粒子滤波算法为例, 对消除该缺陷的关键技术(优化重要密度函数及再采样) 进行了 分析研究。说明通过提高重要密度函数的似然度、引进当前测量值、预增和复制大权值粒子等方式, 可以有效改善算法性能。 最后通过对一无源探测定位问题进行仿真, 验证了运用该关键技术后, 算法的收敛精度和鲁棒性得到进一步增强。- Abstract:W e
hmmtrain
- 隐马尔可夫模型参数的极大似然估计,用来求解HMM的第三个问题-HMM maximum likelihood parameter estimates used to solve the third problem HMM
em1
- 使用最大期望算法可以在概率模型中寻找参数最大似然估计。-Using the maximum expected algorithm can seek parameters of maximum likelihood estimation in the probabilistic model
ex1
- 贝叶斯方法一篇比较科普的中文介绍可以见pongba的平凡而神奇的贝叶斯方法: http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/，实际实现一个贝叶斯分类器之后再回头看这篇文章，感觉就很不一样。 在模式识别的实际应用中，贝叶斯方法绝非就是post正比于prior*likelihood这个公式这么简单，一般而言我们都会用正态分布拟合likelihood来实现。-pattern identification
EM
- EM算法是在概率模型中寻找参数的最大拟然估计或最大后验估计的迭代算法-EM algorithm is looking for parameters in the probability model of maximum quasi likelihood estimation or maximum a posteriori estimate of the iterative algorithm
System-Identification
- 系统辨识最小二乘法 梯度校正参数估计法 极大似然参数估计法 多变量系统参数估计-System Identification Least Square Method Gradient Correction Parameter Estimation Maximum Likelihood Parameter Estimation Multivariable System Parameter Estimation