搜索资源列表
Hidden Markov Models for Speech Recognition-lect19
- HMM模型在语音识别中的应用，相信对HMM模型感兴趣的语音或图像等专业人员应该明白价值。-It is about Hidden Markov Models (HMM) method in Speech Recognition research. those interested in HMM or speech/image processing should know it s value.
MachineLearning
- MCMC方法是一种重要的模拟计算方法，马尔可夫链蒙特卡尔理论(Markov chain Monte Carlo：MCMC)的研究对建立可实际应用的统计模型开辟了广阔的前景。90年代以来，很多应用问题都存在着分析对象比较复杂与正确识别模型结构的困难。现在根据MCMC理论，通过使用专用统计软件进行MCMC模拟，可解决许多复杂性问题。此外，得益于MCMC理论的运用，使得贝叶斯(Bayes)统计得到了再度复兴，以往被认为不可能实施计算的统计方法变得是很轻而易举了-MCMC method is an im
MCMC
- 北大于江生教授有关蒙特卡洛方法和马尔科夫链的两个PPT（PDF格式）：An Introduction to MCMC for Machine Learning、Monte Carlo统计方法。共396页-Peking University Professor Yu Jiangsheng on Markov chain Monte Carlo method and the two PPT (PDF format): An Introduction to MCMC for Machine Learn
HikerWB
- 自己用Markov模型做的一个整句物笔输入法的原型，提供两种模式，普通模式和无空格分词的模式。可以从文章中学习。-Markov model of their own to do with a pen input method sentence prototype objects to provide two modes, normal mode and non-space segmentation model. Can learn from the article.
textureclassfication
- 提出了一种基于函数联接的感知器神经网络的纹理分类方法.它采用高斯2马尔柯夫随机场模型(GM RF)对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得.将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题.对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果. -Based on the function connected perceptron neural network tex
HzSearching
- 基于自然语言处理方法的拼音输入法程序,主要采用马尔可夫链模型，通过求最大转移概率，获得由拼音到汉语语句的转变-Based on natural language processing methods Pinyin input method procedures, the main use of Markov chain model, by seeking the maximum transition probability, obtained from the phonetic changes
HMM
- ：为了使应力变异在顽健语音识别系统中能够达到较好的识别效果，研究了基于隐马 尔可夫模型(HMM)的自适应技术，提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用 于应力变异语音的自适应中。实验结果表明，与基本系统相比，两种方法均有效地提高系统识别 率。以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好，可以达到90．4％ 。-: In order to stress variation in the robustness of speech recogni
SimulationandMonteCarlo
- the book <<Simulation and Monte Carlo With applications in finance and MCMC >> about MONte carlo method applying to finance problem and markov chain and markov decision process.
SimpleMCMain1
- 利用马尔科夫联的模拟方法计算金融衍生产品的价格，克服一些现有技术的弱点-Markov simulation method for computation associated prices of financial derivatives to overcome the weaknesses of some existing technologies
mcmc
- 马尔可夫链蒙特卡洛方法在matlab中的实现程序-Markov chain Monte Carlo method in the realization of program matlab
convexMRF-v1.0.src
- 基于文献“对偶凸代价网络流问题算法在计算机视觉中的应用”对于凸网络流问题的一种原始对偶算法的实现-An implementation of the primal-dual method for the dual of the convex network flow problem ("Convex Markov Random Fields") described in New Algorithms for the Dual of the Convex Cost Networ
07
- 数学建模算法 变分法模型 马氏链模型 神经网络模型 时间序列模型 图与网络-Variational method of mathematical modeling algorithm model Markov chain model neural network model and network time series model diagram
Complete-collection-of-algorithm
- 算法大全 全书分30章及2附录（在MATLAB中实现）对常用数学算法进行汇总介绍。 主要包括：线性规划、非线性规划、动态规划、图与网络、排队论、对策论、层次分析法、插值与拟合、数据的统计描述和分析、方差分析、回归分析、微分方程建模、稳定状态模型、常微分方程解法、差分方程模型、马氏链模型、变分法模型、神经网络模型、偏微分方程的数值解、目标规划、模糊数值模型、现代优化算法、时间序列模型、存贮论、经济与金融的优化问题、生产与服务运作管理中的优化问题、灰色系统理论及其应用、多元分析、偏最小二乘回归以
Markov
- 马尔科夫链法预测股票，利用中国股市历史数据建立上证综合指数的预测模型，并进行模型验证与股指预测（股指是股票价格指数的简称）。-Markov chain method to predict the stock using historical data to establish the prediction model of the Shanghai Composite Index of China' s stock market, and model validation and stoc
Face-Recognition-Using-Markov
- 最新基于马尔可夫方法的多变姿态人脸检测论文IEEE检索，是学习人脸检测的研究人员不可多得的好材料-IEEE retrieval method based on Markov latest changeable pose face detection papers, learning researchers face detection rare good material
Markov-chain-model
- 介绍了马氏链模型的原理、方法和运用，并有详细的事例进行了说明。-Introduces the principle, method and application of Markov chain model, and detailed examples are illustrated.
Markov
- 基于Markov方法的风机出力预测方法，具有较强的可转换性-The method of wind power forecast using Markov
Markov-Chain-Monte-Carlo)
- 基于马尔可夫链的蒙特卡洛方法在matlab中的实现程序-Based on markov chain monte carlo method is implemented in the matlab program
Markov
- Markov方法的预测大全，很好应用的工具与方法；Markov method of forecasting Daquan, very good tools and methods of application(Markov method of forecasting Daquan, very good tools and methods of application)
K-order Markov Chain in Mobile Social Networks
- 针对移动社交网络中节点中心性预测问题，提出基于K阶马尔科夫链的中心性预测方法。在真实移动社交数据集的中计算信息熵分析节点中心性的过去与未来规律性，研究了节点中心性的可预测性。利用节点中心性的历史信息，构建状态转移概率矩阵，预测节点未来中心性值, 并通过分析真实值与预测值之间的误差评估了这些预测方法的性能。结果表明，当阶数K=2时，与四种基于时窗的中心性预测方法比较，基于K阶马尔科夫链的预测模型在MIT数据集和Infocom 06数据集中虽不在个体上优于已提出的预测方法，但在整体上达到了优化。(w