搜索资源列表
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
fenbu
- 已知一组数据,如何用matlab画出它的概率密度分布图,给出具体程序 并且得出分布图后,如何对图进行积分,进而得到分布函数-Given a set of data, how to draw it with matlab probability density distribution maps, specific procedures are given and draw maps, how points on the graph, and then by distribution funct
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
bayes
- 采用身高和体重数据作为特征，分别假设二者相关或不相关，在正态分布假设下估计概率密度，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到训练/测试样本，考察训练/测试错误情况。-The use of height and weight data as the characteristics of the assumption that the two were related or not related to the normal distribution probabilit
gailvlunkechengsheji
- （一）目的：通过对常用的概率密度函数和分布函数的应用，达到熟练掌握概率密度函数和分布函数调用方法的目的。 （二）任务：对实际的案例进行分析，调用相应概率密度函数和分布函数，使用MATLAB软件计算其结果。 （三）要求：理解概率密度函数和分布函数，能够解决实际问题。 -(A) Purpose: used by the probability density function and distribution function of the application, to master
shifouzhengtai
- 判断一组数据是否是正态分布，并且画出概率密度曲线-A set of data to determine whether it is normal
PDFofQuess
- 高斯独立同分布的mimo信道环境下，对协方差矩阵R的个元素的概率密度函数的统计-PDF of R under Quess Channel
Textural_defect_detection_based_on_label_co-occurr
- 基于类别共生矩阵的纹理疵点检测方法 邹超 朱德森 肖力 摘要：根据有规则纹理的特点，提出了基于类别的共生矩阵来描述纹理特征，从而很好地将正常纹理与疵点区分开。分析了传统的灰度共生矩阵在计算纹理特征时计算量大，且分辨能力差的缺点．为了克服灰度共生矩 阵在计算量和分辨能力上的缺点，定义了类别共生矩阵．在类别共生矩阵的算法中，首先学习纹理的一些基本特征以确定类别共生矩阵的一些关键参数。如纹理的概率密度分布、纹理的主方向和周期，以及分类准则等重要参数，然后计算类别共生矩阵并提取白疵点增强、黑疵
1124345436765564
- 粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数 进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→
speech2
- 为了提高语音分离算法的收敛速度以及分离性能，提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计，得到一个更加适合语音信号分离的激活函数，基于此函数提出一种快速语音分离算法.-In order to improve speech separation algorithm convergence speed and separation performance, raise the normal mixture distribution Laplace probability de
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
rank_corr
- 利用数据拟合概率密度函数 建立可靠度分析所需的概率分布函数-There is one outlier in the data of , but is not of data .For and the line of Q2 is in the middle of the box, so there are not asymmetries for both and .
gass-conductivity-probe
- 以高斯分布对电导探针信号的分析处理，利用概率密度分布函数确定-The Gaussian distribution of the conductivity probe signal analysis and processing, the use of probability density distribution function to determine the
zhifangtu
- 直方图的统计，及均衡化处理，采用概率密度分布函数来实现直方图的均衡化-histogram equalization for digital image process
RayleighaRice
- 包含有Rayleigh信道、Rice信道和Lognormal分布的生成函数，以及依次产生具体信道并与理论概率密度分布曲线对比的程序-Contains Rayleigh channels, Rice channels and Lognormal distribution generating function, and in turn produce specific channel and theoretical probability density distribution curve co
imnoise2
- 能够生成一个具有确定概率密度分布函数的数组-Able to generate an array of determining the probability density distribution function
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
正态分布函数实现
- 调用该函数可以实现正态分布函数，首先产生(min,max)之间均匀分布的随机数，再计算正态分布概率密度函数，最后产生产生正态分布随机数
概率密度分布函数图
- 用matlab仿真出了常用的分布如瑞利、对数正太分布、韦布尔分布的概率密度分布图。(Using MATLAB to simulate the distribution of the commonly used, such as Rayleigh distribution, logarithmic teenage boy Weibull distribution probability density distribution.)
CY20180228
- 利用最大熵法求解正态分布的解析解，以及利用高斯核函数计算概率密度(Obtain PDF by maximum entropy and a gaussian kernel function)