搜索资源列表
Nonparametric_Snakes
- ０７年的一个ＩＥＥＥ文献．传统的snake是确定一组参数来调整内外力的平衡，本文应用非参数snake把获得参数这一困难的问题转化为求边界的一个好的概率密度估计问题
Parzen
- Parzen窗函数概率密度估计演示程序 完全按照《现代模式识别》孙即祥著作 2.4.4《动态聚类法》算法3实现 使用欧式距离作为测度标准。
Parzen_KNN
- Parzen 窗 和 K近邻法进行概率密度估计 还带一个示波器控件.-Parzen window and K-nearest neighbor method probability density is estimated to bring an oscilloscope control.
基于支持向量机的手写数字识别（小论文+matlab编程及结果）
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。
parzen.根据样本进行概率密度函数估计
- parzen窗法，功能是根据样本进行概率密度函数估计。实现了对正态分布概率密度函数和均匀分布双峰概密函数进行估计,Parzen window method, function is based on a sample of the estimated probability density function. The realization of the normal distribution probability density function and uniform distributi
ML.rar
- 该算法是经典的信噪比估计算法——最大似然估计算法，利用接收信道的先验概率密度函数，ML法能够很好的估计信号的信噪比,The algorithm is a classic signal to noise ratio estimation algorithm- maximum likelihood estimation algorithm, using the a priori receiver channel probability density function, ML method can
gkdj
- 以为高斯和密度估计，使用高斯核的非参数密度估计方法，对样本进行概率密度估计，程序中给出了窗宽的估算公式。-That the Gaussian and density estimation, using Gaussian kernel non-parametric density estimation method, the sample probability density estimates, the program gives the formula for bandwidth estim
f
- 模式识别课件 当预先不知道类型数目，或者用参数估计和非参数估计难以确定不同类型的类概率密度函数时，为了确定分类器的性能，可以利用聚类分析的方法。-When the pre-recognition software does not know the type of number, or parameter estimation and non-parameter estimation it is difficult to determine the different types of ca
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
chap08
- ex6_1 ～ ex6_3二项分布的随机数据的产生 ex6_4 ～ ex6_6通用函数计算概率密度函数值 ex6_7 ～ ex6_20常见分布的密度函数 ex6_21 ～ ex6_33随机变量的数字特征 ex6_34 采用periodogram函数来计算功率谱 ex6_35 利用FFT直接法计算上面噪声信号的功率谱 ex6_36 利用间接法重新计算上例中噪声信号的功率谱 ex6_37 采用tfe函数来进行系统的辨识，并与理想结果进行比较 ex6_38 在置信度为0
work
- 利用支持向量回归进行概率密度估计，从而计算信息熵-The use of support vector regression for probability density estimation, in order to estimate the information entropy
em
- 混合高斯概率密度模型,其参数估计可以通过期望最大化( EM) 迭代算法获得。-EM estimation parameters Gaussian mixture processes
kde.tar
- kde全称是kernel density estimation.基于核函数的概率密度估计方法。是模式识别中常用的算法之一-KDE which is kernel density estimation is used to estimate probabilty function. It is mostly used in pattern recogntion
parzen
- 这是一个有关parzen窗估计的代码，用来估计概率密度函数，在模式识别中有很多重要的地位-This is a window of the estimated parzen code, used to estimate the probability density function, in the pattern recognition there are many important position ~ ~
GenerationOfTheLog-normalDistributionClutter
- 本程序已被本人整理到WORD文档中，编程语言为MATLAB，本文设计的滤波器采用傅里叶级数展开法。模拟的杂波的功率谱密度采用BVURG法，概率密度函数的估计采用直方图估计法，设计参数皆在文档中表明。此程序已经验证是正确可执行的，并能生成图形，值得下载！-This program has been organized into WORD document I, the programming language MATLAB, the filter designed in this paper Fo
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
biVarHgram.m
- biVarHgram 是Matlab程序，使用时请将文件的扩展名由.txt改为.m。 biVarHgram程序用于计算两个随机离散变量的直方图矩阵，用以估计两个变量的概率密度函数。
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
Nonparametric kernel density
- 计算数据的累计概率密度，采用三次样条插值计算分位点的值，区间预测，里面有具体程序及相关文献。(The cumulative probability density of the calculated data is calculated by three spline interpolation)
matlab二维核密度估计kde2d
- 二维核密度估计代码的代码，能够提供二维的概率估计(two-dimensional kernal density estimation)