当前位置：
首页 资源下载
搜索资源 - probability density Estimation
搜索资源列表
-
0下载：
粒子滤波源代码，通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程。-Particle filter source code, by finding a set of transmission in the state space representation of a random sample to approximate the probability density function, instead of usi
-
-
0下载：
研究表明超高斯分布更加贴近语音信号的实际分布，然而语音信号很难用单一的概率密度
函数准确描述，针对这一情况，提出了一种用超高斯混合模型对语音信号幅度谱建模的新方法，并推导了
基于此模型的幅度谱最小均方误差估的估计式。仿真结果表明：与传统的短时谱估计算法相比，该算法不
仅能够进一步提高增强语音的信噪比，而且可以有效减小增强语音的失真度，提高增强语音的主观感知
质量。 -Recent research indicates that the speech spectral ampli
-
-
1下载：
ex6_1 ～ ex6_3二项分布的随机数据的产生
ex6_4 ～ ex6_6通用函数计算概率密度函数值
ex6_7 ～ ex6_20常见分布的密度函数
ex6_21 ～ ex6_33随机变量的数字特征
ex6_34 采用periodogram函数来计算功率谱
ex6_35 利用FFT直接法计算上面噪声信号的功率谱
ex6_36 利用间接法重新计算上例中噪声信号的功率谱
ex6_37 采用tfe函数来进行系统的辨识，并与理想结果进行比较
ex6_38 在置信度为0
-
-
0下载：
背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中，对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求，针对这一问题，提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值，提出了一种自适应阈值分类方法，它将像素点快速分类为前景点、背景点及可疑点，再利用核密度估计方法对可疑点进行进一步分类，最后利用背景更新算法提取实时背景图像。实验结果证明，该算法能快速有效地区分特征明显的背景点与前景点，提高了背景图像提取的速
-
-
0下载：
MATLAB实现最大似然估计，本程序可以实现概率密度函数已知的情况下5个参数的估计~-MATLAB to achieve maximum likelihood estimation, the program can be achieved under the circumstances known to the probability density function estimation parameters 5 ~
-
-
0下载：
利用粒子滤波通过融合颜色信息和运动信息来计算粒子权值法，适用于任何分布的状态估计问题，是用一些离散随机采样点来近似系统随机变量的概率密度函数-Particle filter information through the integration of color and motion information to calculate particle weights method for estimation of the distribution of any state, with a nu
-
-
0下载：
K近邻（KNN）：分类算法KNN是non-parametric分类器（不做分布形式的假设，直接从数据估计概率密度），是memory-based learning KNN不适用于高维数据（curse of dimension）-K-Nearest Neighbor (KNN): Classification Algorithm. KNN is a non-parametric classifiers (not to assume that the distribution of forms, fr
-
-
0下载：
FFT 概率密度函数估计 概率论与数理统计-FFT probability density function estimation
-
-
1下载：
基于高斯线性的概率密度函数滤波估计，以此为蓝本有很多改进或类似的算法，比如CDKF-PHD等-Based on Gaussian probability density function of the linear filter estimation, there are a lot of improvements as a blueprint or similar algorithms, such CDKF-PHD, etc.
-
-
0下载：
非参数估计——直方图方法，估计多元随机变量的概率密度函数。-Non-parametric estimation- histogram method, estimate the probability density function of multivariate random variables.
-
-
0下载：
聚类算法之高斯混合模型，GMM 和 k-means 很像，不过 GMM 是学习出一些概率密度函数来（所以 GMM 除了用在 clustering 上之外，还经常被用于 density estimation ）。-Gaussian mixture model of clustering algorithm, GMM and k-means like, but GMM is learning some probability density function (so GMM except on cl
-
-
0下载：
用监督参数估计中的贝叶斯方法估计条件概率密度的参数u-Parameter estimation of conditional probability density using Bayesian methods in supervised parameter estimation u
-
-
0下载：
核函数估计(一元，高斯核函数)，包括带宽优化-kernel density estimation (KDE) is a non-parametric way to estimate the probability density function of a random variable.
-
-
1下载：
威布尔分布相关的函数，产生威布尔随机变量、概率密度、分布函数、逆分布函数、参数评估。-Weibull distribution related functions, Weibull generating random variable, the probability density distribution function, the inverse distribution function, parameter estimation.
-
-
0下载：
要对单变量正态分布以及分类分布两种概率分布 模型，分别采用最大似然（ML），最大后验（MAP）以及贝叶斯估计（Bayes）的 方法进行概率密度估计。 -In this paper, the maximum likelihood (ML), maximum a posteriori (MAP) and Bayesian estimation (Bayes) methods are used to estimate the probability density of two kinds of pr
-
-
0下载：
常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化（
Infomax
）以及独
立成分分析（
ICA
）等。这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关，
一旦假设的概率密度与实际信号的密度函数相差甚远，分离性能将大大降低。本文提出采用
核函数密度估计的方法进行任意信号源的盲分离，并通过典型算例与几种盲分离算法进行了
性能比较，验证了方法的可行性。(The commonly used blind separation algorithms include
-
-
0下载：
用监督参数估计中的贝叶斯方法估计条件概率密度的参数(Bayesian parameter estimation using supervised parameter estimation to estimate the conditional probability density)
-
-
0下载：
通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程(By finding a set of random samples propagating in the state space to approximate the probability density function, the sample mean is used instead of the integral operation to obtain the
-
-
0下载：
本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。(The purpose of this experiment is to study the Parzen window estimation and the k nea
-
-
0下载：
粒子滤波的MATLAB实现，通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波(MATLAB implementation of particle filter,By looking for a set of random samples which are propagated in the state space to approximate the probability
-
