您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Expectation-Maximization (EM)算法中文解释

  2. 详细介绍EM算法的原理与应用。Expectation-Maximization (EM) 算法是一个在含有隐含变量的模型中常用的算法,最常见的是用于高斯混合模型 (Mixtures of Gaussians)
  3. 所属分类:其它

    • 发布日期:2009-05-12
    • 文件大小:137kb
    • 提供者:koupeng
  1. EM算法用于高斯混合模型的参数估计

  2. 本文描述了EM算法在高斯混合模型的参数估计中的应用,有Matlab的详细程序
  3. 所属分类:其它

    • 发布日期:2010-03-01
    • 文件大小:249kb
    • 提供者:HenryZhang
  1. EM算法用于高斯混合模型

  2. EM算法用于高斯混合模型,EM算法用于高斯混合模型,EM算法用于高斯混合模型
  3. 所属分类:专业指导

    • 发布日期:2011-11-24
    • 文件大小:249kb
    • 提供者:zml0628
  1. EM算法用于混合高斯模型参数估计

  2. 该文件利用EM算法实现了对高斯混合模型的最大似然参数估计,有文档说明。
  3. 所属分类:专业指导

    • 发布日期:2011-11-28
    • 文件大小:44kb
    • 提供者:cyang07
  1. EM解决混合高斯模型 Matlab实现

  2. Matlab实现EM算法,用于解决混合高斯模型, 包含用混合高斯模型生成测试数据的代码,包含二维图像生成代码,模式随机选取初值 和 用kmeans方法选取初值两种方式
  3. 所属分类:专业指导

    • 发布日期:2012-12-11
    • 文件大小:58kb
    • 提供者:shohokh
  1. 基于高斯溷合模型的EM学习算法

  2. 本文研究了一类基于无监督聚类学习的算法——E M算法的算法实现. E M算法通常用于存在 隐含变量时的聚类学习, 由于引入了隐含变量, 导致算法难以保证收敛和达到极优值. 本文通过将该算 法应用于高斯混合模型的学习, 引入重叠度分析的方法改进 E M算法的约束条件, 从而能够确保 E M算 法的正确学习.
  3. 所属分类:专业指导

    • 发布日期:2013-06-23
    • 文件大小:159kb
    • 提供者:u011173100
  1. 期望最大_EM_算法及其在混合高斯模型中的应用

  2. 这是学习贝叶斯推断的入门材料,非常好的EM算法用于高斯混合模型的实例。
  3. 所属分类:其它

    • 发布日期:2008-10-05
    • 文件大小:243kb
    • 提供者:xizm1998
  1. 隐马尔科夫模型

  2. 这是个人整理的隐马尔科夫模型(HMM),其中参照了网上一些博客和相关的文档,非常全面,浅显易懂。适合入门学者和有一定算法经验的人参考。主要可以用于语音识别,推荐系统,姿态重构等等广泛的应用。学习过程中希望读者另外查看相关的资料,例如EM算法,K-Means和高斯混合模型,Viterbi算法等,以加深对HMM方法的理解(个人意见)。
  3. 所属分类:互联网

    • 发布日期:2013-12-24
    • 文件大小:912kb
    • 提供者:hansjorn
  1. EM算法介绍PPT

  2. EM算法是一种针对不带标签数据但类别有限的参数估计方法,通常用于估计混合高斯模型的参数训练。
  3. 所属分类:专业指导

    • 发布日期:2015-05-20
    • 文件大小:904kb
    • 提供者:sspan
  1. EM算法用于混合高斯模型的参数估计

  2. EM算法用于混合高斯模型的参数估计的原理与算法实现(matlab);源码实现包括EM算法用于K均值问题的参数估计和EM算法用于混合高斯模型参数估计。
  3. 所属分类:其它

    • 发布日期:2016-05-04
    • 文件大小:35kb
    • 提供者:wcl_chad
  1. 机器学习—EM算法及高斯混合模型PPT

  2. 用于学习极大似然估计,EM算法及高斯混合模型的课件PPT,包含几个案例和EM算法的数学推导
  3. 所属分类:专业指导

    • 发布日期:2018-04-02
    • 文件大小:2mb
    • 提供者:balffeavien
  1. 机器学习概念.pdf

  2. 介绍了机器学习中,监督学习、无监督学习、过拟合,以及采取相关的措施进行处理。6考虑下面样本特征为二维欧式空间点的两分类问题的训练集,分别用最近邻法和三近邻法给出测试样本点(1,1)的 类别 x0011122 1+ 2|+ 2 解:(1)计算距离 (x, y)Distance-(1, 1) (-1,1)Y(-1-12+(1-1)2)=2 (0,1)v(0-1)2+(1-1)^2)=1+ (02)(0-1y2+(2-1)^2)= (1,1)Y(1-1)2+(-1-1)^2)=2 (10)v(1-1)
  3. 所属分类:机器学习

    • 发布日期:2019-07-26
    • 文件大小:438kb
    • 提供者:qiu1440528444
  1. GMM-Optim:将EM算法用于多类高斯混合模型,并使用optimtool进一步优化-源码

  2. GMM优化 期望最大化(EM)算法是找到一组统计参数(即高斯数据集的均值和方差)的局部最大似然估计的好方法。 该项目展示了如何为多维,多维高斯数据实现EM算法,以及如何使用MATLAB的优化工具箱进一步完善MLE估计器。 笔记 GMM.m是主要的.m文件。 用户定义数据集的真实均值,方差和比例,然后在GaussianNormalDist.m中随机生成。 负对数可能性目标函数是通过GMM_negloglik.m计算的。 在获得EM估计值之后, optimtool将使用Nelder-Mead / S
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:125kb
    • 提供者:weixin_42132598
  1. SAR图像去斑之前使用高斯混合的基于方向波的方法

  2. 本文提出了一种基于方向波变换和最大后验估计的去噪算法。 对数变换后的无噪声图像的详细方向性系数被认为是具有零均值的高斯混合概率密度函数(PDF),方向性域中的斑点噪声被建模为具有高斯分布的加性噪声​​。 然后,我们使用这些假定的先验分布来开发贝叶斯MAP估计器。 由于作为MAP方程解的估计器是假定的混合PDF模型参数的函数,因此最大期望(EM)算法也可用于估计参数,包括权重因子和方差。 最后,从MAP估计器得出的估计系数中恢复无噪声SAR图像。 实验结果表明,基于方向图的MAP方法可以成功地应用
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:730kb
    • 提供者:weixin_38622777