搜索资源列表
my_mle
- 极大似然估计的matlab算法，从其他网站得来的，希望对大家有用-Maximum likelihood estimation matlab algorithms come from other sites, we hope to be useful
moshishibie1
- 利用男女身高体重利用贝叶斯算法，最大似然估计，最小风险估计等进行性别分类判决-The use of male and female height and weight using Bayesian algorithm, maximum likelihood estimation, minimum risk estimation for gender classification ruling
matlab
- test2: 一、 基本最小二乘法一次算法 二、 基本最小二乘法递推算法 三、 最小二乘遗忘因子一次完成算法 四、 最小二乘遗忘因子递推算法 五、 最小二乘限定记忆算法 六、 最小二乘偏差补偿算法 七、 增广最小二乘算法 八、 广义最小二乘算法 test3: 一、 辅助变量自适应滤波算法 二、 辅助变量纯滞后算法 三、 辅助变量Tally原理算法 四、 多级最小二乘算法 五、 各类改进最小二乘算法的特点 test4: 1、 第二类随
SNR
- 资料中介绍了几种经典信噪比估计算法的编码并进行比较，包括误差矢量幅值法、最大似然估计、迭代法以及奇异值分解法。-Data introduces several classical coding SNR estimation algorithm and compared, including error vector magnitude, maximum likelihood estimation, iterative method and singular value decomposition
EM
- EM算法，统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。程序用C++实现，注释写得很清晰-Expectation-maximization algorithm，based on Maximum Likelihood Estimation,C++ program
ml
- OFDM中基于循环前缀的最大似然估计同步算法仿真-Simulation of OFDM synchronization algorithm based on maximum likelihood estimates of the cyclic prefix
RSSI
- rssi定位算法，极大似然估计法，最小二乘法，代码，极大似然估计法-rssi localization algorithm
em-algorithm
- em算法论文 EM算法为有限混合模型的极大似然估计提供了一个标准框架。本文简单推 导了有限混合高斯分布的EM算法，并针对其收敛速度慢的缺点设计了一种有效 选取参数初始值的方法，数值实验表明，该方法有助于EM算法以较快的速度在 参数真值附近收敛。-em algorithm papers
em1
- 使用最大期望算法可以在概率模型中寻找参数最大似然估计。-Using the maximum expected algorithm can seek parameters of maximum likelihood estimation in the probabilistic model
EM_matlab
- 是一种用于含有隐变量（hidden variable）的概率参数模型的最大似然估计或极大后验概率估计的matlab算法。 -EM MATLAB
EM-algorithm
- EM算法，在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。-EM algorithm
DVHop
- 基于DV-Hop的定位算法，利用三边测量以及极大似然估计法实现定位，误差较低，有误差分析图。-Based on DV-Hop localization algorithm, using trilateration and maximum likelihood estimation method to achieve localization, lower error margin of error analysis chart.
exInfomax-BSS
- 扩展INFOMAX算法是盲源分离算法中极大似然估计的一种扩展，功能更强大。-The extended INFOMAX algorithm is an extension of the maximum likelihood estimation in the blind source separation algorithm, and the function is more powerful.
EMSeg
- EM 算法是求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据，可以具体来说，我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。-Expectation Maximization image segmentation Input: ima: gr
lab6
- 在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
交叉熵优化高斯混合模型
- matlab最大似然优化与交叉熵(CE)多高斯混合估计算法的应用(Maximum Likelihood Optimization and Cross Entropy (CE) Multi - Gaussian Mixture Estimation Algorithm)
GMMs
- function对数据EM算法进行fit，并对产生的高斯混合模型的最大似然估计进行绘图。输出结构体obj，带有高斯混合模型的参数mu，sigma。(Function carries out fit for data EM algorithm, and draws the maximum likelihood estimation of the Gauss mixture model. The output structure is obj, with the parameter mu and s
无线传感网结点定位
- 基于测距技术的定位算法包括基于接收信号强度（RSSI，Received Signal Strength Indication）、基于到达时间（TOA，Time of Arrival）、基于到达时间差（TDOA，Time Difference of Arrival）以及基于到达角度（AOA，Angle of Arrival）测距方法。通过以上几种算法获取了三个相邻节点间距离后，再利用三边测量法、三角测量法或极大似然估计法计算出未知节点的位置。
new-DV-Hop-code
- 改进DV-Hop定位算法 首先设置初始量，布置了一个范围为100×100m2的区域，其上随机分布100个传感器节点，其中有10个信标节点，节点的通信半径为30m。 第二步在正方形区域内产生均匀分布的随机拓扑，随机产生节点坐标并将其中十个选定为信标节点，其余九十个设为未知节点，然后画出节点分布图。 第三步通过最短路径法计算未知节点与每个信标节点的最小跳数。 第四步根据前面记录的其他信标节点的位置信息和相距跳数估算平均每跳的实际距离，用跳数估计距离的方法得出未知节点到信标节点的距离。 第五