搜索资源列表
EMSeg
- EM分割算法的matlab实现。得到的结果较好。-EM segmentation algorithm to achieve the Matlab. The results are good.
Gaumix_EM
- 使用高斯模型期望值最大化演算法,做圖形分割 Gaumix_EM: EM Algorithm Applicated to Parameter Estimation for Gaussian Mixture
gpml-matlab
- 图像识别的matlab程序，其中包含EP，EM-EP算法等。很有参考价值。
matlab HMM包
- 本数据包包含了HMM经典算法，前后向重估，EM，Vertibi
隐马尔科夫
- 隐马尔科夫随机场进行图像分割，同时采用EM优化算法
TextCla
- 支持向量机和EM最大熵文本分类算法，压缩包中包括了测试文本词典，停用词表等-Support vector machines and EM maximum entropy text classification algorithm, compressed package includes a test text dictionary, stop word table
mixGaussEm
- matlab m文件 EM算法混合高斯模型-matlab m file EM algorithm Gaussian mixture model
gmm
- EM算法以及混合高斯模型，c++实现，控制台程序，函数调用很简单方便。可以在低版本vc6.0运行。-EM algorithm and hybrid Gauss model, c++ implementation, the console program, function call is very simple and convenient. Can be run at low vc6.0.
em
- 自适应子集的em重建算法，是c程序，可以-The em reconstruction algorithm, adaptive subset is a c program, you can have a look
gass
- 图形图像处理中，使用EM 算法处理高斯混和模型。-Image Processing
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
EMSeg
- EM算法，即最大期望算法，用于图像分割，测试可用- EM算法，即最大期望算法，用于图像分割，测试可用 EM algorithm, the maximum expected algorithm for image segmentation, testing available
xyntemregister
- em算法matlab代码,解压缩后直接可以在matlab环境下运行-Em algorithm matlab code, directly after decompression can run in matlab environment
692059
- em算法matlab代码,解压缩后直接可以在matlab环境下运行-Em algorithm matlab code, directly after decompression can run in matlab environment
xbsihgb
- em算法matlab代码,解压缩后直接可以在matlab环境下运行-Em algorithm matlab code, directly after decompression can run in matlab environment
52957362
- EM算法估计GMM的matlab版本的源代码,适合给类机器学习问题,-EM algorithm to estimate GMM version of the matlab source code, suitable for such machine learning problems,
EMturboGAMP_v0_2
- 用EM算法改进turboGAMP算法，减少输入，更加实用。(Improvement of turboGAMP algorithm with EM algorithm)
peel-lerher
- 混合高斯模型和EM算法结合,当中用到了自己写的Kmeans聚类,附带测试样例,训练样例和main函数,()
emmpm
- 利用em/mpm算法，对图像进行阈值提取，分割(Using the em/mpm algorithm, the thresholding of the image is extracted and segmented.)
MRMRF simple
- 基于MRF图形的小波与分解 获取最粗尺度上的初始分割。使用EM算法必须有一个初值，因此我们首先使用K-均值聚类算法获取尺度J-1上的初始分割结果。 2.E步骤。使用MPL方法GMRF模型参数。 3.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 4.尺度内迭代。重复2和3知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 5.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复4，