搜索资源列表
parzen.rar
- 用parzen窗方法,估计概率密度,采用高期核函数。。。。,With parzen window means of estimating the probability density function using high nucleus. . . .
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
KsQuantile
- 利用正态分布和核密度估计计算分位数。包括正态分布分位数函数、核估计概率密度函数、核估计累计分布概率函数、核估计计算分位数函数。-Normal and kernel density estimation using sub-digit calculation. Including the normal quantile function, kernel estimate probability density function, cumulative distribution probabilit
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
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
A1rard
- 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 -Adaptive kernel density estimation motion det
kde
- 核密度概率估计方法,对于复杂分布的概率密度估计很实用-density analysis
m10
- 背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中,对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求,针对这一问题,提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值,提出了一种自适应阈值分类方法,它将像素点快速分类为前景点、背景点及可疑点,再利用核密度估计方法对可疑点进行进一步分类,最后利用背景更新算法提取实时背景图像。实验结果证明,该算法能快速有效地区分特征明显的背景点与前景点,提高了背景图像提取的速
Parzen-window
- 这是一个有关parzen窗估计的代码,用来估计概率密度函数。采用了方窗、指数窗、高斯窗函数三种核函数,附有matlab程序。-This is an estimate of the code related to parzen window, used to estimate the probability density function. With a side window, the index window, Gaussian window function three kinds of
kde
- 核概率密度估计算法,对于以往的有优化,可以得到概率密度及分布函数。-Nuclear probability density estimation algorithm optimized for the past there, you can get the probability density and distribution functions.
Microsoft-Office-Word
- 非参数核密度估计,是一种不同于参数估计的概率估计方法-nonparametric kernel density model
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)
盲源分离
- 常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化( Infomax )以及独 立成分分析( ICA )等。这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关, 一旦假设的概率密度与实际信号的密度函数相差甚远,分离性能将大大降低。本文提出采用 核函数密度估计的方法进行任意信号源的盲分离,并通过典型算例与几种盲分离算法进行了 性能比较,验证了方法的可行性。(The commonly used blind separation algorithms include
kde
- 给定样本点,采用高斯核密度估计,求出概率密度分布函数。(It is good to use this method to evaluate pdf)
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)