注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 高斯混合模型 高斯自回归方法

  2. 用高斯混合模型 EM算法的实现，有现成的数据进行测试

  3. 所属分类：其它

    • 发布日期：2009-08-01
    • 文件大小：35kb
    • 提供者：dengqianqian

  1. 基于EM参数估计的GMM模型建模

  2. 高斯混合模型是有效的描述数据集合分布的手段，高斯混合模型中各个单高斯模型的均值、方差和权重的估计，实际上是样本空间下的参数估计问题。参数估计的方法有很多，相比较而言，EM算法是MLE（Maximum Likelihood Estimation）原理下的针对不完备数据集合的回归分析算法，它是由E步和M步迭代循环，直至误差小于给定门限为止。因此本文采用了一种基于EM方法的高斯混合模型参数估计的方法对运动人体姿态进行建模，可以较准确的对模型进行参数估计。对典型姿态建模之后还可以解决对姿态的识别问题。

  3. 所属分类：其它

    • 发布日期：2010-12-30
    • 文件大小：417kb
    • 提供者：smily0725

  1. 贝叶斯网络工具箱（Matlab工具包）

  2. 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数

  3. 所属分类：其它

    • 发布日期：2011-07-12
    • 文件大小：4mb
    • 提供者：leaf1984zh

  1. 高斯模型（聚类，回归等）

  2. 很好的matlab写的高斯混合模型包，包括聚类回归等等。 有详细的函数功能说明。

  3. 所属分类：其它

    • 发布日期：2014-02-21
    • 文件大小：14mb
    • 提供者：verycourage

  1. 贝叶斯网络工具箱（MATLAB工具箱）

  2. 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数

  3. 所属分类：其它

    • 发布日期：2016-04-28
    • 文件大小：4mb
    • 提供者：u010861059

  1. 高斯混合模型GMM 及高斯混合回归MATLAB程序

  2. 高斯混合模型GMM 及高斯混合回归GMR MATLAB程序 供大家学习参考 有实例和图

  3. 所属分类：讲义

    • 发布日期：2018-03-28
    • 文件大小：98kb
    • 提供者：zzh19940711

  1. 斯坦福Ng机器学习课程笔记（中文版）

  2. 【第1讲】 机器学习的动机与应用 【第2讲】 监督学习应用-线性回归 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯

  3. 所属分类：讲义

    • 发布日期：2018-04-14
    • 文件大小：6mb
    • 提供者：difstone

  1. 一种动态校正的AGMM-GPR多模型软测量建模方法

  2. 工业过程常常是强非线性的，并有多个工况，传统的软测量方法存在预测能力差，不 能有效利用误差信息等缺点．为了有效解决这些问题，提出一种基于自适应高斯混合模型－高 斯过程回归（ＡＧＭＭ－ＧＰＲ）的多模型动态校正软测量建模方法．首先，通过贝叶斯信息准则 构建自适应高斯混合模型（ＡＧＭＭ），得到优化的子模型个数；然后，利用ＧＰＲ方法建立各局 部模型，当新的数据到来时，将其隶属于各局部模型的后验概率和预测值融合得到多模型输 出；最后，为了进一步提高模型的精度，构建自回归积分滑动平均（ＡＲＩＭＡ）模型对多

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-17
    • 文件大小：1mb
    • 提供者：feiqiuling

  1. 机器学习算法学习笔记

  2. 本资源包括 线性回归，Logistic回归和一般回归，K-means聚类分析，独立分析，线性判别分析，增强学习，还有混合高斯模型和EM算法的的学习笔记，往后还有更新。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-02-23
    • 文件大小：4mb
    • 提供者：xiaoruiruipr

  1. GMM代码，包含测试文件

  2. 淘宝买的高斯混合回归matlab代码，包含测试文件的.m文档

  3. 所属分类：专业指导

    • 发布日期：2018-10-02
    • 文件大小：10kb
    • 提供者：minozlovekc

  1. gmm-gmr程序代码

  2. 用于 回归分析 的机器学 习算法 。 高斯 混合 模型 。

  3. 所属分类：机器学习

    • 发布日期：2018-12-19
    • 文件大小：675kb
    • 提供者：tchchao

  1. 统计学习方法_李航

  2. 统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。 《统计学习方法

  3. 所属分类：机器学习

  1. 柔性贝叶斯建模与马尔可夫链采样软件

  2. 该软件支持基于神经网络和高斯过程的贝叶斯回归和分类模型，以及使用混合模型和Dirichlet扩散树的贝叶斯密度估计和聚类。 它还支持各种马尔可夫链采样方法，这些方法可以应用于由简单公式指定的分布，包括由先验和可能性的公式定义的简单贝叶斯模型 tar存档包含完整的超文本文档，因此您可以将其设置为从本地计算机读取

  3. 所属分类：深度学习

  1. 西马矿膏体充填材料最佳混合比确定

  2. 降低生产成本并满足现场工程要求是选择充填材料配比要考虑的2个主要指标。采用正交实验设计方法确定实验方案为三因素五水平,三因素为水泥含量百分比、灰矸比和膏体浓度。对实验结果进行直观分析和方差分析,得出影响早期强度的因素是水泥量百分比和膏体浓度,影响最终强度的因素是水泥量百分比和灰矸比。应用多元线性回归和高斯消去法求解出膏体浓度的最优配比:水泥量百分比为12.705%,灰矸比为0.400,膏体浓度为77.498%。最后对最优配比的强度进行实验室测试,第7 d的测试结果为0.93 MPa,第28 d的

  3. 所属分类：其它

    • 发布日期：2020-04-25
    • 文件大小：211kb
    • 提供者：weixin_38576229

  1. 高斯混合模型 高斯自回归方法

  2. 用高斯混合模型 EM算法的实现，有现成的数据进行测试

  3. 所属分类：其它

    • 发布日期：2020-03-28
    • 文件大小：35kb
    • 提供者：qdskgisly

  1. 深度学习读书笔记.rar

  2. 深度学习作为机器学习算法研究中的一个新的技术，其动机在于建立、模拟人脑进行分析学习的神经网络。 深度学习是相对于简单学习而言的，目前多数分类、回归等学习算法都属于简单学习或者浅层结构，浅层结构通常只包含1层或2层的非线性特征转换层，典型的浅层结构有高斯混合模型(GMM)、隐马尔科夫模型(HMM)、条件随机域(CRF)、最大熵模型(MEM)、逻辑回归(LR)、支持向量机(SVM)和多层感知器(MLP)。

  3. 所属分类：深度学习

    • 发布日期：2020-10-13
    • 文件大小：13mb
    • 提供者：qq_35372458

  1. projects:机器学习项目-源码

  2. 机器学习项目 我的机器学习项目包括： -从零开始进行Logistic回归以对手写数字1和数字5进行分类-通过使用libsvm库提供给定数据的SVM -具有线性回归的汽车的销售价格预测-PCA从头开始，k-均值从头开始-通过使用不同的模型进行多类分类-通过使用不同的模型来确定期限存款Scrath的高斯混合期望最大化算法随机梯度下降从零开始的逻辑回归-使用textgenrnn库生成文本Xgboost和Catboost的欺诈检测

  3. 所属分类：其它

  1. mml-book.github.io:随书的网页“机器学习的数学”-源码

  2. mml-book.github.io 随书的网页“机器学习的数学” Marc Peter Deisenroth，Aldo Faisal和Cheng Soon Ong版权所有2020。 由剑桥大学出版社出版。 我们正在写一本关于机器学习数学的书，以激励人们学习数学概念。 该书无意涵盖先进的机器学习技术，因为已经有很多书籍这样做。 相反，我们旨在提供必要的数学技能来阅读其他书籍。 我们将本书分为两部分： 数学基础 使用数学基础的示例机器学习算法 我们的目标是使本书尽量简短，因此我们无法涵盖

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：100mb
    • 提供者：weixin_42115003

  1. 用于语音识别的低阶约束特征本机扬声器自适应方法

  2. 该文提出一种基于低秩约束的本征音子（Eigenphone）说话人自适应方法。原始的本征音子说话人自适应方法在自适应语料充分时具有很好的效果，然而当自适应语料不足时，出现严重的过拟合现象，导致自适应后的系统可能比自适应前的系统还要差首先，对协方差矩阵为对角阵的隐马尔可夫-高斯混合模型语音识别系统，推导出一种简化的本征音子矩阵估计算法；然后，对本征音子矩阵约会低秩约束，采用矩阵的核范数作为矩阵秩的凸近似，通过调节核范数的权重因子以有效控制自适应模型的复杂度；最后，采用一种加速近点梯度算法以转换新算法

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：261kb
    • 提供者：weixin_38608726

  1. 贝叶斯机器学习：有关贝叶斯机器学习方法的笔记本-源码

  2. 贝叶斯机器学习笔记本 该存储库是有关贝叶斯机器学习的笔记本的集合。 以下链接通过显示了一些笔记本，以确保正确呈现公式。 依赖关系在子目录中的requirements.txt文件中指定。 。 贝叶斯线性回归简介。 用普通的NumPy和scikit-learn实现。 另请参见。 。 高斯回归过程简介。 用普通的NumPy / SciPy以及scikit-learn和GPy实现。 。 高斯分类过程简介。 用普通的NumPy / SciPy以及scikit-learn实现。 。 使用变分方法介

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：21mb
    • 提供者：weixin_42165508
« 12 3 »