搜索资源列表
gmm(2)
- 基于码本（codebook）的背景建模的背景差分法+级联基于LBK或haar的adaboost和基于hog的svm分类器+快速hough圆变换进行人头识别(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haar AdaBoost and hog based SVM Classi
数据
- gmm运行的调试命令stata软件操作方法(gmm code the use of stata,command of stata)
GMM
- 实现了EM算法对高斯混合模型进行聚类，并将聚类结果用图像展示出来，希望对混合模型的朋友有用。(The EM algorithm is implemented to cluster the Gauss mixture model, and the clustering results are displayed with images, hoping to be useful to friends of the mixed models.
mfcc
- 通过语音识别对类型进行分类，使用HMM-GMM模型(Classification is done by speech recognition, using HMM-GMM model.)
EM 算法
- 用EM算法求解高斯混合模型并可视化，数据是男女生的身高分布，前提是初始化男女生身高各自的均值和方差和比例，然后由EM算法求解，男女生身高的均值方差，以拟合数据。(The EM algorithm is used to solve the Gauss mixture model and visualize. The data is the height distribution of male and female. The premis
贝叶斯人脸识别
- Pattern-Recognition-and-Machine-Learning-master,项目包括使用贝叶斯分类器的字符识别，基于GMM的图像分割，使用PCA的人脸识别和具有径向基函数的多类SVM分类器(Pattern-Recognition-and-Machine-Learning-master)
聚类算法
- 文件夹中主要有二维的K-means，gmm，mean-shift，三维的K-means聚类算法的程序，同时已经经过本人验证无误，可以成功运行，有问题的可以私下交流。(Folder mainly two-dimensional k-means, GMM, mean-shift, three-dimensional k-means clustering algorithm procedures, at the same time has b
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the backgr
SpeakerVoiceIdentifier-master
- 用C++完成的基于MFCC和GMM的说话人识别软件。(Speaker recognition software based on MFCC and GMM is completed with C++.)
GMM-HMRF
- 基于高斯混合模型和隐马尔科夫模型的图像分割算法(Image segmentation algorithm based on Gaussian mixture model and hidden Markov model)
machine_learning_python-master
- 通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the I
连老师pvar2
- 连玉君pvar模型stata程序包,可做GMM估计，格兰杰因果检验，脉冲响应函数(Lian Yujun pvar model stata package, can do GMM estimation, Granger causality test, impulse response function)
paper和程序
- pvar2包stata -pvar package 连玉君ilove包，用于GMM广义矩估计，格兰英杰因果检验、脉冲函数结果图分析(Pvar2 package Stata pvar package lianyujun Ilove package is used for GMM generalized moment estimation, Granger causality test and impulse function result
GMM模型建立和mfcc参数的取得方法
- 高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。