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
patternreg
- 模式识别中的Parzen窗法ISODATA算法H-K(Ho-Kashyap)算法的实现，用matlab和VC编写-pattern recognition of Parzen window ISODATA method algorithm H-K (Ho-Kashya p) algorithm implementation using Matlab and VC prepared
parzenchuang
- 一个演示parzen窗的演示小程序，参数自己去改阿！
parzendm
- 模式识别中的parzen窗估计概率密度的一个自编的函数
parzenWindows
- 应用Parzen窗法估计样本的概率密度函数； 估计样本为标准正态分布和均匀分布；
Parzen_KNN
- Parzen 窗 和 K近邻法进行概率密度估计 还带一个示波器控件.-Parzen window and K-nearest neighbor method probability density is estimated to bring an oscilloscope control.
EM_introduction
- em算法原理，帮助你理解EM算法，EM算法是 自然语言理解中的经典重要的算法，基本上是 学习自然语言理解的基础-EM algorithm, help you to understand the thereom of EM
VCParzenWindowEstimatesOfTwoUniformlyDistributed.r
- 用VC实现了Parzen窗估计了两个均匀分布-VC achieved using Parzen window estimates of two uniformly distributed
bbbb
- 摘 要:提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中 同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比, PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。-Abstract:This paperproposed a
Parzen_1
- 一维核估计无差值分类器算法，非参数估计。正太窗函数，输入训练集和测试集，带宽。得到分类结果和准确率-Parzen—1
Parzen_1c
- 一维有差值的Parzen窗算法。非参数估计，输入训练集和测试集，带宽。得到分类结果和准确率-Parzen-1c
TEMA
- Ex1: compute the power spectrum of the most common used windows in practice: Bartlett, Blackman, Parzen, Hanning, Cebisev, and Rectangular Ex2: program to display the shapes of windows in time and frequency
Ex1
- 模式识别某次课程的作业，完成了高斯分布下的两种贝叶斯分类器,以及非参数的K近邻、Parzen窗方法，采用UCI机器学习数据库中的某些数据作为样本，使用交叉验证方法确定参数-Pattern recognition of a particular course work, completed under the two Gaussian Bayesian classifier, and the non-parametric K-nearest neighbor, Parzen window meth
PatterRecognition-4.0
- 模式识别 作业 实现自动产生样本，并用最近距离法，贝叶斯分类，Parzen窗概率密度估计-Pattern recognition operations automatically generate the sample, and with the recent distance method, Bayesian classifier, Parzen window probability density estimation
dens
- estimarea densitatii de probabilitate prin nucleele lui Parzen
moshishibie
- 通过matlab语言实现Parzen窗估计法，实现结果良好，可供大家使用，互相学习。-Parzen window estimation method by Matlab language to achieve good results for everyone to use, learn from each other.
T-HOMEWORK
- 用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别.2． 同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。3．选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。-Use Parzen Wi
gender-classification
- Parzen窗法估计概率密度函数，得出贝叶斯分类器 用Fisher线性判别方法求分类器 留一法估计错误率-Parzen Fisher Bayes Leave-one based on height and weight
density
- machine learning-Density Estimation objects. parzen - Parzen s windows kernel density estimator indep - Density estimator which assumes feature independence bayes - Classifer based on density estimation for each class gauss - Normal distr
三步搜索法
- 本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。(The purpose of this experiment is to study the Parzen window estimation and the k nea