搜索资源列表
tryGUI
- 超宽带系统链路matlab仿真程序 超宽带系统简单仿真平台，有简单界面.包括可替换的脉冲成型（半余弦脉冲）、IEEE802.15.3a的修正SV信道、最大似然信道估计、Rake接收机等模块，可以实现monte carlo仿真求误码率。可添加多址接入、编码等功能（维特比编解码、帧同步的程序由本人同学编写）。入口主程序uwbsim.m 编解码程序：bin2deci.m；bini2deci.m；deci2bin.m VITRBI.m 信道及信道估计：ch_est.m；chan
SM_basic
- 空间调制通信过程，包含信号调制、天线选择等发送过程，以及采用最大似然估计的检测过程。-spatial modulation communication
GMM_EM
- 使用高斯混合模型和最大似然估计结合的方法实现语音信号特征的训练和识别-Using GMM method to realize voice signal characteristics of training and recognition
newton
- 牛顿迭代解决非线性方程组解的问题，用于解决足球比赛预测中的logistic模型的最大似然估计。-Newton iteration to solve the problem of nonlinear equations to solve football game prediction of the logistic model of maximum likelihood estimation.
lab6
- 在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。
EM算法
- 在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。(In statistical calculation, the expectation maximization (EM) algorithm in probability (probabilistic) maximu
模式识别
- 贝叶斯估计，最大似然估计，Fisher线性识别和K均值(Bias estimation, maximum likelihood)
CATS软件
- Cats是一个使用最大似然估计来使用多参数的时间序列（比如：连续的GPS）。该程序同时估计所有参数，但是分两部分来估计速度，线性部分包括一个offset and slope，突变（as form earthquakes）、正弦部分（包括年周期和半年周期），而非线性负分包括几个不同的噪声模型及其组合。(Cats is a time series (e.g., continuous GPS) using multiple parameters using maximum likelihood est
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)
patter
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. take height as an example, draw the height histogram of ma
Beyes
- 实验要求： 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(Experimental requirements: 1. take height as an exa
work
- 1) 以身高为例，画出男女生身高的直方图并做对比； 2) 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3) 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4) 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1) taking height as an example, draw the histogram of male and f
pattern recognize1
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(The program is used for classification of men and women in pa
传统的纯方位目标运动分析基本性能
- 本文从单个mohg观测平台得到的噪声腐蚀方位测量中，考虑了物体位置和速度的估计问题。这个过程具有固有的非线性和exbibits的特点，这些特性是几何相关的。提出了目标运动分析解决方案的最大似然估计，并对其性能进行了分析。(In this paper, the estimation of object position and velocity is considered in the measurement of noise corrosion in a single mohg observat
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
贝叶斯网络工具包
- 贝叶斯网络工具包安装教程 贝叶斯网络参数过程中最大似然估计的详细过程(BAYESIAN NETWORK (Bayesian network parameters maximum likelihood estimation process detailed process))
PR代码及资料
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（注明自己选定的参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. Take the height as an example, draw the histogram of the height of boys a
em
- 在统计计算中，最大期望（EM）算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐性变量。最大期望算法经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。(In statistical computation, the maximum expectation (EM) algorithm is an algorithm to find the maximum likelihood estimation or the maximum
打包
- 两种不同的假设： H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=1,2,…,N，f0 为规一化频率 H0 ： xn wn () () = n=1,2,…,N 其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互 独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布 1 0 2 ( ) 20 p θ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给
微弱特征处理算法
- 利用最大似然估计增强信号的冲击信号中的故障特征，去除滤波后PRS重建新号的残留噪声，提高轴承早期微弱故障信息。 采用周期调制强度（去噪和弱特征增强），突出振动信号中的故障分量，尽可能的让某个具有故障信息的特征突出，使得噪声信息和其他故障特征变小（比率凸显特征的优劣，评估常用方法）