搜索资源列表
recongnation
- 图像模式识别 模板匹配法 神经网络分类器 几何分类器 基于概率统计的贝叶斯分类器-image pattern recognition template matching neural network classifiers classification is based on geometric probability and statistics Bayesian classifier
BLS-GSM_Denoising
- BLS-GSM 即\"Bayesian Least Squares - Gaussian Scale Mixture\".基于贝叶斯最小平方-高斯概率混合模型的算法。用于图像去噪。相关文献索引详见readme
00
- 图像的贝叶斯分类，将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法
15883876gvf_model
- 采用非均匀的马尔科夫随机场模型来描述肖 像画与人脸图像之间的统计关系，并使用基于训练样本的非参数化的概率表示，在贝叶斯优化的框架下设计了迭 代采样算法，可以自动的从人脸图像生成特定风格的肖像画-W e learn the portraiture from a set of real artwork examples．Dif— ferent from previous texture synthesis and image synthesis works that assumed mo
Example-Based_Automatic_Portraiture
- 摘 要 提出了一种基于样本学习的人脸肖像画自动生成算法.文章采用非均匀的马尔科夫随机场模型来描述肖 像画与人脸图像之间的统计关系 ,并使用基于训练样本的非参数化的概率表示 ,在贝叶斯优化的框架下设计了迭 代采样算法 ,可以自动的从人脸图像生成特定风格的肖像画.在该方法中 ,使用非均匀的统计模型是保持肖像中人 脸结构准确性的关键.文中所提供的例子表明了该文方法的有效性-Abstract In this paper , we present a new approach for au
PatterRecognition-4.0
- 模式识别 作业 实现自动产生样本，并用最近距离法，贝叶斯分类，Parzen窗概率密度估计-Pattern recognition operations automatically generate the sample, and with the recent distance method, Bayesian classifier, Parzen window probability density estimation
moshishibie(2)
- 模式识别 贝叶斯决策理论 概率密度函数估计 线性判别函数 非线性判别函数 临近法-Bayesian decision theory, pattern recognition, probability density function estimated linear discriminant function method of nonlinear discriminant function near
1
- 利用最小错分概率贝叶斯分类器进行图像分类的基本方法-Minimum probability of misclassification Bayesian classifier for image classification
MyBayes
- 2.编写两类正态分布模式的贝叶斯分类程序。 设以下模式类别具有正态概率密度函数： ω1：{(0 0)T, (2 0)T, (2 2)T, (0 2)T} ω2：{(4 4)T, (6 4)T, (6 6)T, (4 6)T} （1）设P(ω1)= P(ω2)=1/2，求这两类模式之间的贝叶斯判别界面的方程式。 （2）绘出判别界面。 3.已知服从正态分布的两类训练样本集分别为 ：，，，， ：，，， ，试问属于哪一类？
bayes
- 贝叶斯决策实验，matlab实现方法，概率分布-Bayesian decision experiment, matlab implementation
bayes(C)
- 贝叶斯融合基本计算方法，解决后验概率的计算问题-Bayes fusion
JavaBayes
- java 编写的关于利用贝叶斯网络 作为概率图模型的，采样推断-java， bayesian network, PGM
code-SPL-MS
- 一种新型的跟踪算法，用到了贝叶斯的最大后验概率来计算-a novel tracking method which is using the bayes and MAP
bayesgauss
- BAYESGAUSS贝叶斯分类器对高斯模式。 D = BAYESGAUSS(X,钙、马、P)计算贝叶斯决策 n维的功能模式的行X。 n-by-n-by-W大小的CA是一个数组,其中包含了协方差 的矩阵大小n-by-n,W类的数量。 大小n-by-W 马是一个数组,其列。柯尔- 水洼意味着向量。一个赔偿。矩阵和平均向量必须 为每个类指定,即使一些都是平等的。X是大小 K-by-n,K是模式的数量分类。P是 1-by-W数组,包含发生的概率
m1
- 实现贝叶斯分类器，按最大概率和最小风险的分类决策-Implement Bayesian classifier, according to the maximum and minimum risk probability of classification decisions
saliency-dection--bayesian
- 基于贝叶斯概率框架的图像显著性检测,与局部和全局两方面探讨-Image saliency detection is based on bayesian，and research local contrast and global rarity.
bayes
- 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法-bayes with matlab
homework3
- 将二位数据投影到一维线性， LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。所谓生成模型，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到词服从多项式分布。 [1] LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）