搜索资源列表
StudytheApplicationofMonteCarloParticleFilterAlgor
- 随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
基于支持向量机的手写数字识别（小论文+matlab编程及结果）
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。
GenerationOfTheLog-normalDistributionClutter
- 本程序已被本人整理到WORD文档中，编程语言为MATLAB，本文设计的滤波器采用傅里叶级数展开法。模拟的杂波的功率谱密度采用BVURG法，概率密度函数的估计采用直方图估计法，设计参数皆在文档中表明。此程序已经验证是正确可执行的，并能生成图形，值得下载！-This program has been organized into WORD document I, the programming language MATLAB, the filter designed in this paper Fo
A1rard
- 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 -Adaptive kernel density estimation motion det
Parzen-window
- 这是一个有关parzen窗估计的代码，用来估计概率密度函数。采用了方窗、指数窗、高斯窗函数三种核函数，附有matlab程序。-This is an estimate of the code related to parzen window, used to estimate the probability density function. With a side window, the index window, Gaussian window function three kinds of
GM_PHD1
- 基于高斯线性的概率密度函数滤波估计，以此为蓝本有很多改进或类似的算法，比如CDKF-PHD等-Based on Gaussian probability density function of the linear filter estimation, there are a lot of improvements as a blueprint or similar algorithms, such CDKF-PHD, etc.
Z
- 基于k近邻估计法的非参数概率密度估计论文及源代码的如何实现-K-nearest neighbor nonparametric probability density estimation method based on the estimated
helicopter
- 粒子滤波的直升飞机跟踪的程序，通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程。-Particle Filter Tracking Of helicopter
fitting-model
- 要对单变量正态分布以及分类分布两种概率分布 模型，分别采用最大似然（ML），最大后验（MAP）以及贝叶斯估计（Bayes）的 方法进行概率密度估计。 -In this paper, the maximum likelihood (ML), maximum a posteriori (MAP) and Bayesian estimation (Bayes) methods are used to estimate the probability density of two kinds of pr
test3
- 1）产生高斯白噪声； 2）产生高斯色噪声； 3）产生高斯谱相关对数正态分布随机序列； 4）对产生的上述随机序列进行功率谱估计； 5）对产生的上述随机序列进行概率密度函数估计。(Generating a Gaussian spectral correlation logarithmic normal distribution random sequence;)
Nonparametric kernel density
- 计算数据的累计概率密度，采用三次样条插值计算分位点的值，区间预测，里面有具体程序及相关文献。(The cumulative probability density of the calculated data is calculated by three spline interpolation)
盲源分离
- 常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化（ Infomax ）以及独 立成分分析（ ICA ）等。这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关， 一旦假设的概率密度与实际信号的密度函数相差甚远，分离性能将大大降低。本文提出采用 核函数密度估计的方法进行任意信号源的盲分离，并通过典型算例与几种盲分离算法进行了 性能比较，验证了方法的可行性。(The commonly used blind separation algorithms include
三步搜索法
- 本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。(The purpose of this experiment is to study the Parzen window estimation and the k nea
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)
STBL_CODE
- 包含了alpha稳态分布随机数据的产生、未知序列分布参数估计、PDF函数等等。(IT includs some algorithms about alpha stable distribution.)
occzarence
- Parzen窗和K近邻法进行概率密度估计还带一个示波器控件()
DEIC42
- 混合高斯概率密度模型,其参数估计可以通过期望最大化( EM) 迭代算法获得,()