搜索资源列表
leaves-bass-algorithm
- 这是一个贝叶斯独立分量分析(ICA)算法的线性瞬时混合高斯噪声模型和添加剂。解决问题的是ML-II推论,即资源的整合在发现源后和噪声协方差矩阵和混合了最大化的边际似然。充分统计量的估计平均场或变分理论和线性响应修正或通过自适应平均场理论水龙头。平均场方程,解决了信仰传播法的或连续的迭代。-This is a bayesian independent component analysis (ICA) algorithm of instantaneous linear mixed gaussian
Gaussian-mixture-model-Article
- 高斯混合模型的背景提取，目标检测算法的几篇论文！对于理解和研究高斯模型有很大帮助！-Gaussian mixture model for background extraction, several papers in the target detection algorithm! For the understanding and study of the Gaussian model of great help!
guass
- 混合高斯去除背景法，利用高斯模型去除背景，-mixed guass
Ibasedoncolorn
- 为了提高非结构化道路识别算法的有效性,提出了一种道路分割的新方法,建立了道路区域域和非道路区域混合高斯彩色模型,根据像素隶属于彩色模型的概率进行基于彩色信息道路 - -A road split in order to improve the effectiveness of unstructured road recognition algorithm is proposed to establish a road regional domain and non-road area Gau
gaussianBkModelTest
- 混合高斯背景模型，用于前景提取，对复杂光线等因素鲁棒性较好-The mixed Gaussian background model for prospects extract better robustness of complex lighting and other factors
non-Gaussian-interference-and-noise
- 鲁棒自适应波束形成技术，一般采用的加性高斯白噪声，此文采用混合高斯噪声模型，具有很好的代表性，是一个很好的外文文献-An adaptive spatial diversity receiver for non-Gaussian interference and noise
adpative-with-non-Gaussian
- 鲁棒自适应波束形成技术，一般采用的加性高斯白噪声，此文采用混合高斯噪声模型，具有很好的代表性，是一个很好的外文文献-An adaptive spatial diversity receiver for non-Gaussian interference and noise
fit_mix_gaussian
- 实现了混合高斯分布模型的参数估计，及其分布图的描绘-Achieve a Gaussian mixture distribution model parameter estimation, and distribution maps depicting
GMM
- 基于混合高斯背景建模的目标运动意图分析,通过混合高斯背景建模进行前景提取，自己写高斯模型，并非通过OPENCV函数库-motion detection based on GMM method
voice-box-GMM
- 语音处理GMM相关算法,1.计算概率密度并画出高斯混合模型，2.计算边际，条件混合高斯密度,3估计两个GMM模型的Kullback-Leibler divergence。-GMM relating to speech processing algorithms.1,to calculate probability densities from or plot a Gaussian mixture model.2,marginal and conditional Gaussian mixture
guassian
- 混合高斯背景模型，背景差法，检测运动目标，环境VC2008，Opencv，前景与背景分开显示-Gaussian mixture background model background subtraction method to detect moving targets
m11
- 混合高斯(Mixture of Gaussian, MOG) 背景建模算法和Codebook 背景建模算法被广泛应用于监控视频的运动目标检测问题, 但混合高斯的球体模型通常假设RGB 三个分量是独立的, Codebook 的圆柱体模型假设背景像素值在圆柱体内均匀分布且背景亮度值变化方向指向坐标原点, 这些假设使得模型对背景的描述能力下降. 本文提出了一种椭球体背景模型, 该模型克服了混合高斯球体模型和Codebook 圆柱体模型假设的局限性, 同时利用主成分分析(Principal compon
speech-emotion-recognition
- 过特定人语音情感数据库的建立；语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7 。对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4 。其中分类器采用混合高斯分布模型。-The system of speech emotion recognition
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
mixture_gaussians
- 基于混合高斯背景模型的建模，用于视频运动区域提取，很有用的代码，希望对学者有所帮助-Modeling of mixed Gauss background model based on, for video motion region extraction, very useful code, and I hope to help scholars
Video-detect
- 目标自动识别与跟踪系统，基于MFC界面和opencv视觉库，采用混合高斯进行目标识别，基于局部颜色直方图模型进行自动跟踪，并实现跟踪框可变，跟踪结果实时显示。-target detection and track system
npbayes
- 剑桥大学无参数贝叶斯课程的代码,主要包括狄利克雷过程，主题模型，无限混合高斯分布等-code of nonparametric bayesian cambridge， include dirichlet process, topic model, infinite mixutre gaussian
sy5
- 改进的混合高斯背景模型，用于检测运动目标，能够有效的提取前景-Improved gaussian mixture background model, used to detect moving targets, and can effectively extract prospect
EmGm
- 混合高斯聚类分析模型，自带demo，下载可直接运行，有可视化结果-Mixed Gauss cluster analysis model, comes with demo, download can be run directly, there are visual results
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