搜索资源列表
newpnn[1]
- 基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更少的训练语料，可以和其他网络其他理论无缝整合等。-GMM based probabilistic neural network PNN go
UnscentedParticleFilter
- 基于次优贝叶斯估计的非线形非高斯条件下的粒子滤波器的MATELAB仿真-based Bayesian estimation of non-linear non-Gaussian under the conditions of the particle filter simulation MATELAB
bayesc
- matlab编写，贝叶斯估计程序，简单易懂。-Matlab prepared, Bayesian estimation procedures, simple and understandable.
move_tiqu
- 基于视频运动对象的快速提取 采用了差分法,光流法以及贝叶斯估计-Moving Object Based Video Fast extracted using a finite difference method, optical flow estimation method and the Bayesian
minipro
- 该系统功能：实现手写识别，能通过对样例库中的数据进行学习，然后能判别、分类新的输入样例。其中包含了Kn近邻算法，贝叶斯参数估计的实现。实现了open test, close test等测试方法。-The system features: realization of handwriting recognition, through the library of sample data for study, and then to ide
Bayesguji
- 贝叶斯估计方法的matlab程序,这是一个简单的例子,但很有用-Bayesian estimation methods matlab program, this is a simple example, but very useful
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making
NaiveBayes.java.tar
- 基于weka的分类算法，用于weka拓展应用。朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，该算法所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，与其他分类方法相比具有最小的误差率。-Based on the classification algorithm weka, weka develop applications for. Naive Bayes model originated
random_signal
- 1）最大似然方法联合实现符号定时同步和载波同步仿真 2）泊松分布 3）贝叶斯估计 4）RANSAC方法-1) The maximum likelihood method of the joint realization of Symbol Timing and Carrier Synchronization in simulation 2) Poisson distribution 3) Bayesian estimatio
Pattern_recognition4
- 张学工老师模式识别第四次作业，分别用C均值方法，分层聚类方法和非监督参数下正态分布函数估计的贝叶斯决策对身高体重二维数据进行分类。-Zhang engineering teacher fourth pattern recognition operations, respectively C-means, hierarchical clustering methods, and non-normal distribution functi
navieBayes
- 条件独立的有监督朴素贝叶斯分类算法。参数估计，输入训练集和测试集，得到分类结果和分类准确率-naviebayes
NB
- 特征之间非独立的有监督朴素贝叶斯分类算法。参数估计，输入训练集和测试集，得到分类结果和分类准确率-NB
classifier
- 两类二维相关正态分布条件下的最小错误率贝叶斯分类器，基于最小风险的贝叶斯分类器，Parzen窗法非参数估计分类器程序，Fisher线性判别法分类器程序。-Under normal conditions two types of two-dimensional correlation of minimum error rate of Bayesian classifier, the minimum risk-based Bayesian
proj03-02
- 考虑两个参数的一维三角概率模型,用贝叶斯方法对其进行估计，了解贝叶斯估计方法.-Consider the two parameters of one-dimensional triangular probability model, using Bayesian methods to estimate their understand Bayesian methods.
beiyesi
- 1 通过实验，掌握多元正态分布的最大似然估计； 2 掌握多元正态分布下的最小错误率的贝叶斯分类； 3 对其他的参数估计有更深的认识。 -1 experiment, master multivariate normal distribution maximum likelihood estimation 2 multivariate normal distribution under the minimum control
两类样本贝叶斯分类
- 贝叶斯分类器matlab源代码，基于正态分布概型，含参数已知和参数未知两种情况，并包含参数估计程序。
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples
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, dr
bayes
- 贝叶斯估计的几个简单实例，对新接触现代信号处理课程的同学有帮助(Bias estimates a few simple examples of new contact with the modern signal processing course students help)
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))