搜索资源列表
BAYES
- 针对高斯白噪声中二元确知信号，仿真信号检测过程，分析检测门限、噪声的方差及取样间隔对检测的影响检测。(For binary Gaussian white noise signal, simulation signal detection process, analysis of detection threshold, noise variance and sampling interval on the detection of the impact of detection.)
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.)
Python_VLPR-master
- 基于树莓派B+版本的车牌识别设计，辨识部分以树莓派3B+/3B为核心处理器，基于Linux平台，通过python3.5和OpenCV来对含有车牌信息的图片，进行高斯去噪、灰度化、边缘检测、二值化、闭操作、字符分割、字符识别匹配等一系列图像处理操作最终实现车牌识别这个系统。(Based on the design of license plate recognition of raspberry pie B+version, the recognition part takes raspberry
processing
- 给信号添加高斯噪声，并进行处理。通过该程序，可以很好的认识高斯白噪声，从而进行各种噪声信号的模拟。(Add Gaussian noise to the signal and process it)
machine_learning_python-master
- 通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel
EEMD，EMD
- EEMD将特殊幅值下的高斯白噪声引入到分解的过程，可以消除上包络和下包络之间存在的拟合误差，从而很好地避免不同尺度下IMF的模态混叠现象，(EEMD can eliminate the fitting error between the upper envelope and the lower envelope by introducing the Gaussian white noise with special amplitude into the decomposition process