搜索资源列表
高斯混合模型原理
- 能了解混合模型的每一步操作
高斯混合模型的EM算法的源程序代码
- GMM模型的一个小例子，可以做出不学习这个模型用
Expectation-Maximization.zip
- 混合高斯分布中基于最大期望算法的参数估计模型，适应于通信与信号处理以及统计学领域,Mixed Gaussian distribution algorithm based on the parameters of the greatest expectations of the estimated model, adapted to communications and signal processing, as well as the field of statistics
gmm
- 混合高斯算法实现及一些自己对高斯混合模型的理解。-Gaussian mixture algorithm and some experience
gmmbeijing
- 基于opencv的混合高斯背景模型，用对运动目标的背景提取，可保存背景 -Opencv-based mixture Gaussian background model with the moving target of the background extraction, background can be saved
Gauss-background
- 基于混合高斯背景模型的背景剪除法，可以对背景进行实时的更新实现对前景的检测-Background model based on Gaussian mixture background pruning method, the background can be updated in real time to achieve the detection of future
tongjimoxing
- 本程序，是SAR图像的提机密性，如广义高斯混合模型，welbull模型和高斯模型等等，是学习SAR图像统计模型的基础程序-This procedure is a SAR image to mention confidentiality, such as the generalized Gaussian mixture model, welbull model and Gaussian model, is the study of the SAR image statistical model p
gaussian
- 高斯混合模型，从97年到2011年间经典英文文献13篇，对与学习高斯模型的同学很有帮助-Gaussian mixture model, the classic English literature from 1997 to 2011, 13, very helpful with the students to learn the Gaussian model
yssr
- 混合高斯模型和EM算法结合,当中用到了自己写的Kmeans聚类,附带测试样例,训练样例和main函数,()
GMM
- 高斯混合聚类的python实现代码，里面有data的demo(Python implementation code of Gauss mixed clustering)
gmm
- 基于高斯混合模型的运动目标检测，opencv平台，直接可用(Moving target detection of Gauss mixed model)
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
GMM
- 实现了EM算法对高斯混合模型进行聚类，并将聚类结果用图像展示出来，希望对混合模型的朋友有用。(The EM algorithm is implemented to cluster the Gauss mixture model, and the clustering results are displayed with images, hoping to be useful to friends of the mixed models.)
HMM1
- 在VC6.0平台上进行编写的，包括隐马尔科夫模型（HMM）和混合高斯模型（GMM）在内的用于模板训练的算法。(The algorithm for template training is written on VC6.0 platform, including hidden Markov model (HMM) and mixed Gauss model (GMM).)
RCY-GMMtest1
- 高斯混合模型（GMM,Gaussian Mixture Model）参数如何确立这个问题，详细讲解期望最大化（EM,Expectation Maximization）算法的实施过程。(How to establish the parameters of Gauss mixture model and explain the implementation process of the expectation maximization algorithm in detail.)
GMM_test1
- 高斯混合模型的前景提取代码，本人测试可用。(Gauss mixture model of the foreground extraction code)
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
3-基于高斯混合模型的语音识别
- 基于高斯混合模型的语音识别，有完整的数据集和matlab代码(Speech recognition based on Gaussian mixture model, complete data set and matlab code)
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)
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