搜索资源列表
SequentialTracking
- 基于序贯蒙特卡罗方法的人体跟踪程序,对于学习蒙特卡罗粒子滤波器的人有重要参考价值。
particale_filters
- 粒子滤波器是通过蒙特卡罗模拟来实现递归贝叶斯滤波,它不需要线性、高斯噪声的假设,适用于任何能用状态空间模型表示的非线性系统,比卡尔曼滤波器的适用范围广。这里给出了几个粒子滤波的matlab编程实例。-Particle filters are using Monte Carlo simulations to achieve the recursive Bayesian filtering, it does not require linear, Gaussian noise assumptions
Image-Segmentation-Algorithm
- 出了一种新的图像分割方法。这种分割方法首先利用粗糙集理论将图像按照一定的规则划分为 大小相等的若干图像子块,而后利用蒙特卡罗方法基本原理对划分的图像子块进行一定规模的随机抽样,以随机抽 样所得的图像子块为样本进行粗糙熵计算,用所得最大粗糙熵所对应的灰度值为分割阀值对图像进行分割,在采用 较小的图像子块划分以取得更好的分割效果的情况下,极大的提高了算法的分割速度。通过对测试图像的 MATLAB仿真试验验证了算法在降低计算机消耗方面的有效性,且所得的分割阀值也令人满意。-The im
Metropolis
- 实现蒙特卡罗方法模拟无外场下的lsing模型, 图像是m和t_mcs的关系图, 在data.txt中输出-This program stimulates lsing model with Montel Carlo method. And the result is drawn with m and t_mcs. Main data is in data.txt
5
- 了适应跟踪过程中目标光照条件的变化,并对目标特征进行在线更新,提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合,同时结合增量线性判别分析对目标进行跟踪的算法.跟踪开始前,为了获得比较准确的目标描述,使用混合高斯模型和期望最大化算法对目标进行分割;跟踪过程中,通过蒙特卡罗方法对目标区域和背景区域进行采样,并更新特征空间参数.得到目标和背景的最优分类面;最后使用粒子滤波器结合最优分类面对目标状态进行预测.通过光照变化的仿真视频和自然场景视频的跟踪实验,验证了文中算法的有效性.-Trac
LDAGibbsSampling-master
- java编写的关于基于蒙特卡罗方法的吉布斯采样在主题模型中应用的例子。-java LDA gibbs samplling mcmc
mhldiv
- 随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来,本()
基于蒙特卡罗模拟方法的信号分析
- 基于蒙特卡洛模拟方法的信号分析,有完整的设计报告,内含具体实现的matlab程序,可直接使用(Signal analysis based on Monte Carlo simulation method, complete design report, including the specific implementation of MATLAB program, can be used directly.)