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. 很详细的EM算法，GMM，HMM训练用

  2. 详细介绍了训练hmm和gmm的EM算法，以及其应用，对利用这些模型的朋友，想了解此算法的最好的资料。

  3. 所属分类：其它

    • 发布日期：2010-01-22
    • 文件大小：289kb
    • 提供者：guow043

  1. 高斯混合模型matlab实现

  2. 高斯混合模型是一种经典的背景建模模型，已成功运用于工程应用中。在声音相关的领域，也有广泛的应用。

  3. 所属分类：其它

    • 发布日期：2011-03-15
    • 文件大小：40kb
    • 提供者：daijc1709

  1. 用gmm模型来对em算法进行应用

  2. 用gmm模型来对em算法进行编程，可以用其聚类

  3. 所属分类：其它

    • 发布日期：2011-11-14
    • 文件大小：60kb
    • 提供者：wangn1190

  1. matlab写的GMM代码

  2. 用MATLAB写的高斯混合模型代码，实现背景减除，应用于连续图像序列

  3. 所属分类：其它

    • 发布日期：2012-06-08
    • 文件大小：40kb
    • 提供者：kgdapsriu5401

  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. 高斯混合模型及EM算法

  2. 讲解的最透彻的高斯混合模型及EM算法，从EM算法的推导到在GMM参数估计中的应用方法，有助于理解GMM及EM估计方法

  3. 所属分类：网络基础

    • 发布日期：2013-07-10
    • 文件大小：247kb
    • 提供者：xiaolei0506

  1. 图像处理论文

  2. 概率模型及其在视频对象处理 中的应用

  3. 所属分类：教育

    • 发布日期：2016-05-29
    • 文件大小：2mb
    • 提供者：kfc137586956

  1. A General Tutorial of the EM Algorithm and its Application to Parameter Estimation for Gaussian Mixture and Hidden Marko

  2. 对于基本EM算法以及此算法在高斯混合模型和隐马尔科夫模型中的应用，都作了详细的介绍，是在模式识别领域对于EM算法的经典论文！

  3. 所属分类：其它

    • 发布日期：2008-12-15
    • 文件大小：258kb
    • 提供者：yp2008gf

  1. Python3—EM&GMM;

  2. Python3写的EM算法，包含两个程序，一个是em分类，一个是GMM应用 （EM算法推导（收敛性证明和在GMM中的应用））我的博客：https://blog.csdn.net/kevinoop/article/details/80522477

  3. 所属分类：机器学习

    • 发布日期：2018-06-01
    • 文件大小：3kb
    • 提供者：kevinoop

  1. 动态面板应用案例

  2. 内有动态面板数据的差分gmm 系统gmm的stata详细命令操作.很实用.

  3. 所属分类：讲义

    • 发布日期：2018-11-06
    • 文件大小：306kb
    • 提供者：loveelvacool

  1. 基于GMM的说话人识别

  2. 从语音信号中有效地提取个人特征信息进行说话人身份的辨认和确认，是语音识别研究领域的一个重要研究方向。从人机交互、身份验证、信息检索等各个应用方向而言，说话人识别都具有广泛的应用前景，其硏究具有越来越重要的理论意义和实用价值。

  3. 所属分类：C/C++

    • 发布日期：2012-03-22
    • 文件大小：3mb
    • 提供者：amy5569

  1. 超磁致伸缩执行器温控系统的设计与实现

  2. 为了实现超磁致伸缩执行器(GMA)精密的位移控制,需要采取一定温控设施保证超磁致伸缩材料(GMM)工作在特定温度情况下;针对超磁致伸缩材料对温度的敏感性,在GMM智能构件的基础上提出了一种改进的强制水冷温度控制策略;利用单片机控制系统实现了对超磁致伸缩执行器的温度控制,实验结果表明了该控制策略可以保证GMA工作在恒温,验证了策略的有效性;对超磁致伸缩材料微驱动应用具有实际的工程意义。

  3. 所属分类：其它

    • 发布日期：2020-06-23
    • 文件大小：683kb
    • 提供者：weixin_38709816

  1. 基于opencv GMM动态目标检测与跟踪

  2. 随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习。机器学习在很多领域都有应用，本文主要简述机器学习在目标识别和跟踪方面的应用。本文介绍opencv进行静态背景下动态目标的识别和跟踪，并且拥有可视化界面，可采用摄像头，读取视频，和单张图片处理。博客链接https://blog.csdn.net/qq_34404407/article/details/108482674

  3. 所属分类：机器学习

    • 发布日期：2020-09-09
    • 文件大小：526mb
    • 提供者：qq_34404407

  1. speech-to-text:混合语言语音识别系统； 混合（GMM + NNet）模型； 卡尔迪+凯拉斯-源码

  2. 混合语言语音识别 来自团队： 当中国学生在各州学习时，我们发现自己的说话习惯发生了变化-英文单词和短语很容易滑入汉语句子中。 我们非常感到需要具有能够处理多语言语音到文本翻译的消息传递应用程序。 因此，在此任务中，我们将开发此功能-使用深度学习架构（DNN，CNN，LSTM）构建模型，以将多语言音频（在同一句子中具有中英文）正确地翻译成文本。 - 表中的内容： 目录说明 代码开关： 包含用于构建系统的脚本 描述： LDC2015S04，我们的数据集描述 笔记： 我们关于Kaldi相关t

  3. 所属分类：其它

  1. applied_metrics:应用计量经济学和面板数据博士学位课程-源码

  2. 应用指标 这是纽约大学斯特恩分校应用计量经济学的博士学位课程。 该课程比我的微尺度课程（ ）应用得多 除了传统的计量经济学方法之外，本课程还吸引了有关机器学习的最新文献的联系。 以下教科书可能对其他信息有用： 其他讲座是从各种渠道借来的/被盗的 这些是更高级的治疗方法： 该课程的概要如下： 介绍性时间序列 极值估计I：MLE和M估计器 极值估计II：GMM估计器 增量法和自举 非参数简介：kNN，内核等。 模型选择和验证/ ML简介：Lasso，Ridge，PCA。 计划评价I：潜在

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：75mb
    • 提供者：weixin_42165973

  1. 扩展的全尺寸高斯混合模型的缺失数据分类：在基于EMG的运动识别中的应用

  2. 数据丢失是模式识别技术在解决现实生活中的分类任务时需要处理的一个常见缺陷。 本文首先讨论了使用高斯混合模型（GMM）处理缺失值的高维样本时遇到的问题。 由于由于收敛性和稳定性问题，直接使用高维样本作为输入来拟合GMM非常困难，因此提出了一种通过将降维GMM扩展到全维空间来构建高维GMM的新方法。 在扩展的全维GMM的基础上，提出了边际化和条件均值插补两种方法，对在线阶段数据缺失的样本进行分类。 然后，采用提出的方法从表面肌电信号（sEMG）识别手部动作，即使缺少50％的sEMG信号，也可以获得超

  3. 所属分类：其它

  1. 基于转移学习和显着性检测的场景特定行人检测，用于视频监控

  2. 行人检测是视频监控中的一个基本问题，近年来已经取得了长足的进步。 然而，由于源训练样本和目标场景中行人样本之间的差异，在某些公共数据集上训练的通用行人检测器的性能在应用于某些特定场景时会明显下降。 另外，在目标场景中手动标记样本也是一项昂贵且费时的工作。 我们提出了一种新颖的转移学习框架，该框架可以自动将通用检测器转移到特定于场景的行人检测器，而无需手动标记目标场景中的训练样本。 在我们的方法中，我们通过对目标场景使用通用检测器来获得初始检测结果，我们将该结果称为目标样本。 我们使用了几种线索来

  3. 所属分类：其它

  1. 详解卷积神经网络（CNN）在语音识别中的应用

  2. 总结目前语音识别的发展现状，dnn、rnn/lstm和cnn算是语音识别中几个比较主流的方向。2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率，引领了DNN-HMM混合系统的风潮。长短时记忆网络（LSTM，LongShortTermMemory）可以说是目前语音识别应用最广泛的一种结构，这种网络能够对语音的长时相关性进行建模，从而提高

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：397kb
    • 提供者：weixin_38702726

  1. 高斯-瑞利混合模型在遥感图像分割中的应用

  2. 在遥感图像的众多分割方法中，高斯混合模型(GMM)是一种常用的图像建模方法。提出了高斯-瑞利混合模型(GRMM)可能更适合对遥感图像建模。介绍了传统高斯混合模型和高斯-瑞利混合模型的区别。比较了这两种混合模型对图像建模的结果，并用数据说明高斯-瑞利混合模型拟合图像的像素分布误差更小。采用最大熵方法确定图像的最佳分类数，采用马尔可夫随机场(MRF)方法及新的势能函数完成图像的分割，采用迭代条件模型(ICM)完成分割过程中的最大后验概率计算问题。在实验中采用了3幅遥感图像，实验过程中比较了各个图像运

  3. 所属分类：其它

  1. 详解卷积神经网络（CNN）在语音识别中的应用

  2. 总结目前语音识别的发展现状，dnn、rnn/lstm和cnn算是语音识别中几个比较主流的方向。2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率，引领了DNN-HMM混合系统的风潮。长短时记忆网络（LSTM，LongShortTermMemory）可以说是目前语音识别应用最广泛的一种结构，这种网络能够对语音的长时相关性进行建模，从而提高

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：397kb
    • 提供者：weixin_38730840
« 12 »