搜索资源列表
总体分布的非参数估计
- 在图像处理中经常涉及分类，多次有用到非参数估计。本程序用Parzen窗来估计，用随机高斯函数来作计策信号.-in image processing involves classification, the many useful to the non - parametric estimation. The procedure used to estimate Parzen window, using random Gaussian function to signal for the ploy
Classification
- 分类器程序，混合高斯分类器，用于语音图像的分类处理-classifier procedures, Gaussian mixture classifier for the classification of voice processing images
tianjia
- 如何在图像中加入某一固定snr的噪声？分类:matlab与图像处理 在利用matlab做一些自己算法的抗噪分析中，常常会遇到这个问题，matlab中的加噪函数是imnoise，里面的参数是噪声的均值，方差（高斯噪声）或者是感染概率（椒盐噪声），参数不能是snr值，但是很多国外的文章的噪声分析中都是用snr值来衡量加入噪声的程度的-how the image to a fixed snr noise? Categories : Matlab and image processing using
KNearestclass
- 使用K近邻算法对一个2维德样本集进行分类，样本集的分布为混合高斯分布。
mcmcstuff.rar
- 本源码是基于Markov chain Monte Carlo (MCMC)的Bayesian inference工具包,其中包括MCMC采样，基于MCMC的高斯分类，同时描述了采样的一些方法。其中还有使用文档,toolbox is a collection of Matlab functions for Bayesian inference with Markov chain Monte Carlo (MCMC) methods
bayesgauss
- 图像模式识别中使用的高斯型贝叶斯分类器，提供完整的参数选择-Gaussian Bayesian classifier
GKIT
- 基于广义高斯模型的自动阈值选取(GKIT)，用于图像分割、图像分类。-GKIT：Threshold Selcetion Based on the Generalized Gaussian Models，for image segmentation and classification
image_denoise
- 首先介绍了图像中噪声的产生及与图像信号相关的噪声的分类，然后分别讨论了用于图象平滑去噪的空间域平滑处理：高斯滤波，超值像素滤波、中值滤波，和频率域平滑处理：理想低通滤波和Butterworth低通滤波处理。继而介绍了各种处理方法的程序实现，并对各种方法的去噪性能进行了比较。-this program introduce the generation ofimage noise and associated noise classification with the image signal ,
gmmMatlab
- 关于高斯混合模型（GMM）的matlab源代码-是用于训练分类的不错的源代码-On the Gaussian mixture model (GMM) of the matlab source code- is used to train a good classification of the source code
GMM_VC
- 高斯混合模型的vc程序，可以在数学建模中使用，对图片分类-source code of gmm on vc
3DFaceRecognitionBasedon3DLBPandKernelDiscriminant
- 二维照片的人脸识别对光照、姿态和化妆等因素很敏感，故提出了一种将三维局部二值模式(3DLBP)和核享，1剐分析(KDA)相结合的三维人脸识剐方法．采用3DLBP描述人脸深度图像的特征，高斯核函数KDA 作为分类器，使用Chi平方统计改进高斯核函数、采用FRGC v2．0中2003春季采集的三维人脸库进行实验．实验结果表明，该 方法在每人2个训练样本时，识别率为91．8％，而PCA和3DLBP的识别率分别为60．4％和78．3％；当每人的训练样本数增至6个时，识别率为98．4％，而PCA和3D
3
- 模式识别，主要是对两维多类的高斯随机序列进行分类-PR_studio
Identification-for-OFDM
- 一种新的OFDM信号盲识别算法，利用多载波OFDM信号在时域上的近高斯性，提取信号特征参数Q作为分类特征-A new algorithm for the identification of Orthogonal Frequency Division Multiplexing(OFDM)signal is proposed．The feature parameter a is used to discriminate OFDM signal because of their asymptot
k_means
- 实现K-means算法，高斯随机分布抽取数据 利用k-means算法实现分类-Implement K-means algorithm to extract the data using Gaussian random distribution of k-means classification algorithm
classifer
- 二分类问题采用包括逻辑回归、最小二乘法、感知器算法（按下space不断迭代）、svm线性分类，另外还有高斯分线性分类（待完善），针对平面上两类点进行分类-Second classification using logistic regression, the method of least squares, perception algorithm (Press space iteratively) svm linear classification, in addition to the Ga
Hw_7_moshishibie
- • 有可用高斯分布近似的两个样本集 • 求：用最小错误概率分类时的识别界面 • 令 • 如距离取最远距离 试用分层聚类法聚类，并作图 -• Gaussian approximation is available both sample sets • Requirements: classification with minimum error probability of recognitio
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
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!
gpml
- 使用高斯过程构建主动学习算法，对个人相册集进行分类(An active learning algorithm is constructed using the Gauss process to categorize individual photo albums)