搜索资源列表
2012.李航.统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文
vbemgmm
- 在混合高斯模型参数估计方法上有很多方法，例如最大似然函数的EM算法，但是该算法容易出现过拟合，故本文提出了一个变分EM的算法来对参数进行估计，可以避免EM算法中的不足。 下面的示例文件中说明了使用下面的示例文件说明了用法 examplevbem，VBEM M示例文件 faithful.txt数据集为例(The parameters of Gauss mixture model estimation method has a lot of methods, such as the maxim
EmGm
- 主要是混合高斯模型的参数估计方法，运用的是最大似然函数EM算法。文件中包含训练数据。(The parameter estimation method of the mixed Gauss model is mainly based on the maximum likelihood function EM algorithm. The file contains training data.)
EMturboGAMP_v0_2
- 用EM算法改进turboGAMP算法，减少输入，更加实用。(Improvement of turboGAMP algorithm with EM algorithm)
GMM
- matlab 实现GMM——EM算法,自动生产混合高斯分布，GMM算法的示例demo(matlab em gmm,Automatic production of mixed Gauss distribution, an example of GMM algorithm demo)
ML
- GMM高斯混合模型EM算法聚类，PCA主成分分析，以及从人脸图像中提取主成分(GMM Gauss hybrid model EM algorithm clustering, PCA principal component analysis, and extraction of principal components from face images)
58213606
- 本文提供了一个EM算法的指导性材料,很不错的,建议大家阅读一下()
李航_统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。(The statistical learning method is an important subject in the field of computer and its application.)
peel-lerher
- 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,()
emmpm
- 利用em/mpm算法，对图像进行阈值提取，分割(Using the em/mpm algorithm, the thresholding of the image is extracted and segmented.)
matlab编写的EM聚类算法
- em聚类算法，比较基础的算法，可自行改进(em clustering algorithm, more basic algorithm, self-improvement)
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,()
6014936
- 数据挖掘matlab源码,包含机器学习领域中经典算法如ID3,C4 5,NN,CARD,EM等()
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)
20237543
- 本文提供了一个EM算法的指导性材料,很不错的,建议大家阅读一下()
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
MRMRF simple
- 基于MRF图形的小波与分解 获取最粗尺度上的初始分割。使用EM算法必须有一个初值，因此我们首先使用K-均值聚类算法获取尺度J-1上的初始分割结果。 2.E步骤。使用MPL方法GMRF模型参数。 3.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 4.尺度内迭代。重复2和3知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 5.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复4，
机器学习算法matlab实现
- KMeans、EM、KNN等分类和聚类算法
eicajgnrithms
- 数据挖掘matlab源码,包含机器学习领域中经典算法如ID3,C4 5,NN,CARD,EM等(Data mining matlab source code, including the classical algorithms in the field of machine learning, such as ID3,C4 5 NNNCARDUM, etc.)
BSBL_EM
- BSBS-EM重构算法,可用于心电信号压缩重构。(BSBS-EM restructing algorithm)