搜索资源列表
kalman_flexyModel
- 卡尔曼机动，加入了对机动的检测和处理，对于机动模型，滤波解更加有效-Kalman mobility, the right to join the mobile detection and processing, motor model, a more effective filtering solution
BGM
- 本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。 它以一种改进的自适应 混合高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以 Kalman滤波为运动模型实现对运动目标的连续跟踪。在目标跟踪时，该算法针对目标遮挡引起的各种可能情况.
391
- 提出了一种新的基于规则的异常检测模型.把系统调用按照功能和危险程度进行了分类,该模型只是针对每类中关键调用(即危险级别为1的系统调用).在学习过程中,动态地处理每个关键调用,而不是对静态的数据进行数据挖掘或统计,从而可以实现增量学习.
mainar1
- 此程序为基于KALMAN滤波的信道估计联合符号检测算法。 mainar1中信道模型为AR1模型。
hsmm
- 隐半马尔可夫模型，应用范围很广，我主要应用于大型网站访问行为异常检测的建模。
detectormathematical
- 基于隐马尔可夫模型的火焰检测 火焰检测数学模型-Hidden Markov Model-based flame detector flame detector mathematical model
moxing
- 超声检测回波信号模型一般超声探头获得。但在没有设备采集信号的时，需要曲线拟合，这是一个拟合的曲线。-singal
vbgm
- 变分高斯多模态模型，可以应用于过程监控，故障检测-varitional infinite Gaussian mixture model
Fusion-based-Sensor-Placement
- 论文 在使用无线传感器网络进行目标检测时,如何布置尽可能少的传感器节点而同时实现高的正确检测概率和 低的误警率,是关键问题之一。采用数据融合技术,能实现传感器节点之间的协同,从而大幅提高目标检测精度。提 出了用于目标检测的精度模型,分析了数据融合半径与传感器节点密度之间的关系,设计聚类方法将目标点组织成布 置单元,从高密度单元到低密度单元布置传感器节点覆盖目标区域。仿真结果表明,算法在保证检测精度的同时能有 效减少所使用的传感器节点数目。 - Sensor placeme
miubun
- 含噪脉冲信号进行相关检测,包括最后计算压缩图像的峰值信噪比和压缩效果的源码,数据模型归一化，模态振动。- Noisy pulse correlation detection signal, Including the final calculation of the compressed image peak signal to noise ratio and compression of the source, Normalized data model, modal vibration.
feibou
- 用MATLAB编写的遗传算法路径规划，含噪脉冲信号进行相关检测,数据模型归一化，模态振动。- Genetic algorithms using MATLAB path planning, Noisy pulse correlation detection signal, Normalized data model, modal vibration.
MATLAB_numerical-analysis
- MATLAB三次样条插值法 求信号的包络线 源代码 MATLAB使用欧拉Euler法求解微分方程组 源程序代码 MATLAB四阶龙格库塔法 求解微分方程数值解 源程序代码 MATLAB实现txt文本数据分离的源程序代码 MATLAB实现不同插值方法的GUI界面设计 源程序代码 MATLAB实现偏微分方程的差分计算 源程序代码 MATLAB实现单摆在外力矩作用下的动画 源程序代码 MATLAB实现图像中值 均值 维纳滤波 源程序代码 MATLAB实现图像分割otsu
baipan
- 包括回归分析和概率统计，含噪脉冲信号进行相关检测,采用加权网络中节点强度和权重都是幂率分布的模型。- Including regression analysis and probability and statistics, N
XXX
- 模型训练完毕之后，进行检测，进行人脸识别(After the model training is completed, the test is carried out)
PCA_classifier_version1b
- 许多图像问题需要某种物体的检测，其中图像之间的物体的外观有自然的变化。 如人脸识别，病变检测，神经通道分割。 这些图像问题可以通过手动注释图像对象来解决，以训练识别正常物体外观的模型。 这可以通过基于PCA的最大似然分类器来完成。(PCA algorithm suitable for detection / recognition of 2D image "objects")