搜索资源列表
EM
- EM 分类 多元高斯分布的一段程序 分类效果比较不错 -A program classification results EM classification multivariate Gaussian distribution is quite good
dd_ex6
- 高斯分布混合监督之间的区别，训练三个分类器。检测异常。-The distinction between mixed Gaussian distribution supervision, training three classifiers.
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
Kmeans_Gauss_Bayes
- 用matlab实现高斯混合模型的前期处理和分类训练 - Using Gaussian mixture model matlab realize the pre-treatment and classification of training!
EMal
- 使用EM算法完成图像的分割，使用混合高斯模型，可以修改分类数。运行EM.m-Expectation Algorithm
speech-emotion-recognition
- 过特定人语音情感数据库的建立；语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7 。对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4 。其中分类器采用混合高斯分布模型。-The system of speech emotion recognition
autogaussianGaborfits
- 主要实现了高斯-gabor小波的匹配,两者的结合使其在分类的效率得到提高，适用于图像处理的分类和识别-The main achievement of matching Gauss-gabor wavelet, so the combination of the two categories of increased efficiency, suitable for classification and identification of image processing
project
- 语音增强，加权去噪自动编码器，信噪比估计，维纳滤波，噪声分类，高斯混合模型,维纳滤波-Wiener filtering based speech enhancement
Bayes
- 朴素贝叶斯分类器，能实现高准确的分类，且速度快-Naive Bayes classifier, can achieve high accuracy of classification and fast
Neighbor-classification
- 近邻分类，属于模式识别类的。对两类数据分别产生高斯分布数据，用KNN算法看这个数属于哪个类的，并求测试数据和类中每个数据的欧氏距离-Neighbor classification, pattern recognition belongs to the class. Two types of data were generated Gaussian distribution data, to see with this number belongs KNN algorithm class and
guassian-discriminant-analysis
- 基于opencv实现的c++版高斯判别分类，随机生成两类满足正态分布的训练样本点，利用高斯判别分析进行分类-Based on c++ version of the opencv, we realized gaussian discriminant classification by randomly generating two classes meet normal distribution of the training sample points, and used gaussian di
gpc_prepare
- 高斯过程二分类的预处理函数，它估计了log(q(y|X,θ-gaussian processes classification prepare function
approx_for_gpc
- 高斯过程二分类中，后验概率的几种估计算法-Approximations for Binary Gaussian Process Classifi cation
BaysianPGaussian
- 最简单的贝叶斯分类器和高斯方法的结合案例 可直接运行 适合初学者-Combined with the simplest case of Bayesian classifier and Gaussian methods can be run directly suitable for beginners
EM_GMM
- 基于EM算法实现的高斯混合模型数据分类，可以很优秀的对各种数据进行聚类分析，R语言实现-EM algorithm based on Gaussian mixture model data classification, can be very good for a variety of data clustering analysis, R language
KNN
- 这是自己编的用KNN方法对产生的高斯数据进行分类的MATLAB程序，里面有高斯训练及测试数据的产生，还有分类，程序里有注释-This is their series with the KNN method to classify the Gaussian data generated MATLAB program, which has produced a Gaussian training and test data, as well as classification, program an
NBC
- 迁移朴素贝叶斯分类器算法实现，可用于高光谱遥感图像处理-Migration naive Bayes classifier algorithm can be used for hyperspectral remote sensing image processing
GMM
- 使用混合高斯模型对肝脏CT图片分四类，并显示分类结果。-Using Gaussian mixture model for liver CT images divided into four categories, and displays the classification results.
FaceRecognition_CNN(olivettifaces)
- 智能图像/视频处理中，复杂背景环境（比如室外环境、机场、车站等）下，人脸识别的第一步是人脸的检测。它的精确度直接影响到后期识别的结果。不过，领域内的科学家们基本上很难有足够的精力和时间开发优化的C++代码，使其用于商业用途，而一般都是只在Matlab中进行模拟。 本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。文章中的分类器的训练数据来自与我的 webcam图像，它们被采集于不同时间，不同光照，不同背景环境下，它几乎可以实时地检测
Bayes
- 贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naï ve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。-Bayesian classification algorithm is a statistical classification method, which is a kind of knowledge to classify the use