搜索资源列表
emc
- 此源码可用与隐马氏模型估计参数时的EM算法。此源码在C++中运行。-This source can be estimated with the Hidden Markov Model parameters of the EM algorithm. This source code in C++ in the running.
MixtGaussian
- 这是基于em算法混合高斯模型参数的估计方法，用matlab开发的，看一遍程序就会明白了。-mixture Gauss estimation
bishecode
- 这个程序是用在LDPC加EM中的，自己编的有很好的性能，用来估计依稀未知的参数，比如相偏频偏之类的-This procedure is used in LDPC EM in Canada, his series have good performance, used to estimate the unknown parameters vaguely, such as phase offset of the class of partial
speech-emotion-recognition-system
- gmm模型下的语音情感识别系统，GMM只是一个数学模型，只是对数据形态的拟和，但是和你所看到的数据分布存在出入也是正常的，因为用EM估计GMM的那些参数时，一般假设我们所得到的数据是不完备的（也就是说假设我们看到的数据分布不是真正的分布，它在运算时把那部分丢失或者叫隐藏的数据“补”上了）-gmm model speech emotion recognition system, GMM is a mathematical model, but fitting the data form, but
EM_algorithm
- EM算法详解，对于函数参数的估计十分有用的啊-The EM algorithm Detailed function parameters estimated useful ah
EM
- 基于非参数核密度估计的EM算法，对行人图像进行检测。内附红外行人图像。-EM based on non-parametric kernel estimation. Pedestrian detection. With images inside.
gmeem
- 程序基于EM算法实现多维高斯混合模型的参数估计。-Parameter estimation of multi dimensional Gauss mixture model based on EM algorithm.
EMPPF
- 最大期望算法EM+粒子滤波算法实现参数估计-EM+particle filter for parameter estimation
EM_suanfa
- 基于EM算法的混合高斯分布参数估计方法，包括权值、均值和标准差-Mixed Gaussian distribution parameter estimation method based on the EM algorithm, weights, including the mean and standard deviation
EMfc
- EM 算法，可以解决HMM算法中的参数估计问题-EM algorithm can be solved HMM parameter estimation algorithm
EM
- EM算法是在概率模型中寻找参数的最大拟然估计或最大后验估计的迭代算法-EM algorithm is looking for parameters in the probability model of maximum quasi likelihood estimation or maximum a posteriori estimate of the iterative algorithm
EM_CD
- 基于高斯混合模型和EM（Expectation Maximization）算法的SAR影像变化监测算法，并附带示例。总体思路是首先将两个时期的SAR影像做log和ratio运算，生成差分影像，然后通过EM算法估计高斯混合模型的参数，最后根据高斯混合模型最大概率，生成变化监测结果。-Unsupervised change detection method for SAR images using EM algorithms of Gaussian mixture model
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
EM_GMM
- 用EM算法对混合高斯模型中的参数进行估计 一种改进的EM算法即Monte Carlo EM算法（MCEM）的一个简单例子(The parameters in the mixed Gaussian model are estimated by EM algorithm An improved EM algorithm is a simple example of the Monte Carlo EM algorithm (MCEM))
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.)
em聚类
- em算法指的是最大期望算法（Expectation Maximization Algorithm，又译期望最大化算法），是一种迭代算法，用于含有隐变量（latent variable）的概率参数模型的最大似然估计或极大后验概率估计。(Expectation Maximization Algorithm use for clustering)
404440
- 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,()
DEIC42
- 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,()
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