搜索资源列表
纹理人群密度估计
- 纹理人群密度估计，C++程序，数字图象处理，实现人群密度估计。-texture estimated crowd density, C procedures, digital image processing, and the estimated density of the crowd.
核密度估计工具箱
- 核密度估计工具箱，用matlab编程的
人群密度
- 基于视频监控的人群密度估计
核密度估计工具
- 核密度估计工具~~~~~
Parzen_KNN
- Parzen 窗 和 K近邻法进行概率密度估计 还带一个示波器控件.-Parzen window and K-nearest neighbor method probability density is estimated to bring an oscilloscope control.
基于核密度估计的层次聚类算法
- 本文基于层次聚类的局限性，展开了描述，然后提出了解决办法。-Based on the hierarchical clustering limitations, launched a descr iption, and then the solutions.
kdetoolbox(matlab)
- 核密度估计(kde)的工具箱,我是在做背景建模的时候遇到这方面问题找到的,希望对大家有点用处.-nuclear density estimates (kde) Toolbox, I was doing background modeling, encountered this issue to find, and I hope to you a bit useless.
RPEM_Source_Code
- EM算法，基于期望最大化原则进行密度估计-EM algorithm, based on the expectation maximization of the principle of density estimation
Parzen
- Parzen窗函数概率密度估计演示程序 完全按照《现代模式识别》孙即祥著作 2.4.4《动态聚类法》算法3实现 使用欧式距离作为测度标准。-Parzen window probability density function is estimated demo program in full accordance with the
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更
nkde
- 视频跟踪检测 背景核密度估计建模，欢迎指正，-Detection of the background video track modeling kernel density estimation, please correct me, thank you
kernel_density_estimation
- 核密度估计方法相关的几篇论文，主要是核密度估计方法在图像处理方面的应用。-Several papers related to Kernel density estimation method , mainly in image processing applications.
kernel-density-estimation
- 一种核密度估计，或者称作带宽选择的方法，可以估计二维尺度参数，至于多维以上的估计方法尚在开发，多维情况下个人经验好的方法是多次实验取较好值-kernel density estimation, bandwidth selection, two-dimensional scale parameter can be estimated ,for the multi-dimensional approaches are still under
parzen
- 用parzen窗方法，估计概率密度，采用高期核函数-With parzen window means of estimating the probability density function using high nucleus. . . .
kde2d
- 二维核密度估计算法.以及最优化计算核宽度。-bivarite kernel estimation
mainKDEprogramLINEAR
- 核密度估计，用于识别和核密度计算，采用高斯插样。-kernel density evalue.it is used for statistical pattern recognition.
gkdj
- 以为高斯和密度估计，使用高斯核的非参数密度估计方法，对样本进行概率密度估计，程序中给出了窗宽的估算公式。-That the Gaussian and density estimation, using Gaussian kernel non-parametric density estimation method, the sample probability density estimates, the program gives t
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
matlab二维核密度估计kde2d
- 二维核密度估计代码的代码，能够提供二维的概率估计(two-dimensional kernal density estimation)
kernel density estimate
- 核密度估计得背景提取的改进，通过关键桢获得背景模型(Improvement of background extraction of kernel density estimate)