搜索资源列表
贝叶斯人脸识别
- Pattern-Recognition-and-Machine-Learning-master,项目包括使用贝叶斯分类器的字符识别,基于GMM的图像分割,使用PCA的人脸识别和具有径向基函数的多类SVM分类器(Pattern-Recognition-and-Machine-Learning-master)
聚类算法
- 文件夹中主要有二维的K-means,gmm,mean-shift,三维的K-means聚类算法的程序,同时已经经过本人验证无误,可以成功运行,有问题的可以私下交流。(Folder mainly two-dimensional k-means, GMM, mean-shift, three-dimensional k-means clustering algorithm procedures, at the same time has been verified by myself, can be
automatic_image_segement
- 本文以k-means算法为背景,引入信息熵相关知识,从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时,会发生一定的过拟合现象,导致我们得不到预期的聚类数目。本文设计合理的合并准则,令模型简化,有效地消除过拟合现象,使得最后得到的聚类数目与预期符合。,设计合理的准则改进了图像的全自动分割方法,使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy
SpeakerVoiceIdentifier-master
- 用C++完成的基于MFCC和GMM的说话人识别软件。(Speaker recognition software based on MFCC and GMM is completed with C++.)
基于信息熵的图像自动分割
- 在k-means的理论基础上,利用GMM模型和交叉熵的知识实现对图像的自动分割
GMM-HMRF
- 基于高斯混合模型和隐马尔科夫模型的图像分割算法(Image segmentation algorithm based on Gaussian mixture model and hidden Markov model)
machine_learning_python-master
- 通过阅读网上的资料代码,进行自我加工,努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel
连老师pvar2
- 连玉君pvar模型stata程序包,可做GMM估计,格兰杰因果检验,脉冲响应函数(Lian Yujun pvar model stata package, can do GMM estimation, Granger causality test, impulse response function)
paper和程序
- pvar2包stata -pvar package 连玉君ilove包,用于GMM广义矩估计,格兰英杰因果检验、脉冲函数结果图分析(Pvar2 package Stata pvar package lianyujun Ilove package is used for GMM generalized moment estimation, Granger causality test and impulse function result graph analysis)
5G 中的 SCMA Turbo 学习
- 稀疏码多址 (SCMA) 是最近设计的一种扩展技术,其中 QAM 符号被映射到不同的 OFDMA 音调。基于码本的映射可以看作是一种扩频编码过程,其中整形增益有助于提高频谱效率并增强系统性能。本文基于 SCMA 编码方案,提出了一种联合多用户检测 (MUD) 和信道解码方法,应用了“turbo 原理”。与传统的分离检测和解码方案相比,turbo检测性能更好,增益更高,复杂度适中。在此之上,提出了一种改进方法,即在迭代之前修改外在信息。改进是基于信息的可靠性,保持可靠的信息并减少不可靠的信息。具体