搜索资源列表
MeanShift.rar
- Mean Shift 这个概念最早是由Fukunaga等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 用matlab实现mean shif
RCE
- 基于模式识别的RCE网络算法分类器(衰减库仑势法)。利用概率密度进行分类-Rce classifier pattern recognition
Parzen-window-method
- 此为模式识别中Parzen窗法估计概率密度函数。 全部程序流程如下： 1、读取FAMALE.TXT文件把身高或体重给数组，并求x1的样本数N1和窗宽、体宽； 2、读取MALE.TXT文件把身高或体重给数组，并求x2的样本数N2和窗宽、体宽； 3、读取Test2.txt文件把对应的身高或体重给数组A并求A的样本数M； 4、利用Parzen窗法估计概率密度函数判别男女性别； 5、对本判别的错误率进行统计。 -This is the pattern recognition
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. . . .
Parzen
- 利用parzen窗进行概率密度函数估计，并给出仿真，程序简单易懂。-Using parzen Window probability density function estimation and the simulation, the program is simple to understand.
parzen
- 二维数据集Parzen方窗非参数估计PDF(概率密度函数)，三维结果显示，有图，有完整说明文档和程序运行说明，matlab编程环境，此为模式识别小作业 parzen-Dimensional data set Parzen Window non-parametric estimation side PDF (probability density function), three-dimensional results show that map, with complete documentat
cauchy
- Cachy分布，产生cachy 分布的概率密度，随机数-Cachy distribution
suiji
- 随机信号分析实验之白噪声测试，白噪声信号的特性，包括均值、方差、相关函数、概率密度、频谱及功率谱密度等。- White noise of test random signal analysis experiment, white noise signal characteristic, including average value , variance, correlation function, probability density, frequency spectrum and powe
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
yanminfu
- 概率的功率，及其功率谱密度的求法，好好看看对大家有好处的哦 -Probability of power, and its power spectral density method, a good look at all of you good oh
f
- 模式识别课件 当预先不知道类型数目，或者用参数估计和非参数估计难以确定不同类型的类概率密度函数时，为了确定分类器的性能，可以利用聚类分析的方法。-When the pre-recognition software does not know the type of number, or parameter estimation and non-parameter estimation it is difficult to determine the different types of ca
m
- Mean Shift 这个概念最早是由Fukunaga等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.-Mean Shift the conc
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
work
- 利用支持向量回归进行概率密度估计，从而计算信息熵-The use of support vector regression for probability density estimation, in order to estimate the information entropy
em
- 混合高斯概率密度模型,其参数估计可以通过期望最大化( EM) 迭代算法获得。-EM estimation parameters Gaussian mixture processes
ekfslam_web_v2.0
- 虽然粒子滤波算法可以作为解决SLAM问题有效手段，但是该算法仍然存在着一些问题其中最主要的问题是需要用大量的样本数量能很好地近似系统的后验概率密度。-Although the particle filter can be used as an effective means to solve the SLAM problem, but the algorithm still exist some problems in which the most important issue is the
ASRV1.19
- 虽然粒子滤波算法可以作为解决SLAM问题的有效手段，但是该算法仍然存在着一些问题。其中最主要的问题是需要用大量的样本数量才能很好地近似系统的后验概率密度。-Although the particle filter to solve the SLAM problem can be an effective means, but the algorithm still exist some problems. One of the most important issue is the need f
123
- 虽然粒子滤波算法可以作为解决SLAM问题的有效手段，但是该算法仍然存在着一些问题。其中最主要的问题是需要用大量的样本数量才能很好地近似系统的后验概率密度。-Although the particle filter to solve the SLAM problem can be an effective means, but the algorithm still exist some problems. One of the most important issue is the need f
456
- 虽然粒子滤波算法可以作为解决SLAM问题的有效手段，但是该算法仍然存在着一些问题。其中最主要的问题是需要用大量的样本数量才能很好地近似系统的后验概率密度。-Although the particle filter to solve the SLAM problem can be an effective means, but the algorithm still exist some problems. One of the most important issue is the need f
video-partical
- 提出一种人体运动跟踪算法,从无关节标记的单目视频中获取人体运动1 利用一个带外观模板的人体关节 模型,通过学习得到的运动模型及基于外观模型的相似性计算,巧妙地利用粒子滤波的概率密度传播策略鲁棒地跟 踪普通单目视频中的人体运动1 当出现跟踪丢失时,能在后续序列中自动恢复正确跟踪,且能较好地处理遮挡和自 遮挡问题1 实验表明,该算法鲁棒性好,跟踪结果令人满意- In this paper , a novel approach is proposed for t racking marke