搜索资源列表
HMMTest
- 马儿可夫模型源代码，自己在时间序列研究中测试可以正确运行的HMM代码，实现模型训练和测试模型概率等-a HMM model source code
AMMA2MA
- 勇士时间序列分析中，将ARMA模型参数转化为等价的MA模型参数-The Warriors time series analysis, ARMA model parameter is converted to an equivalent MA model parameters
SVM-regression-theory-and-control-
- 支持向量机回归理论与神经网络等非线性回归理论相比具有许多独特的优点有线性回归和非线性回归,其模型的选 择包括核的选择、容量控制以及损失函数的选择.在控制方面的研究包括非线性 时间序列 的预测及应用、系统辨识以及优化控制和学习控制等方面的研究-Support vector machine (SVM) regression theory and neural network has many unique advantages such as nonlinear regression theory
backgroud-model2
- 针对传统背景建模存在的问题，文中基于低秩矩阵恢复原理，直接从视频序列中分离出前景物体和背景模型。已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解，而这些奇异值分解一般非常耗时且不够简洁，文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法，以得到更加有效的背景建模算法。基于 实际视频序列实验，结果表明该改进算法具有更好的建模效果和较少的运算时间。-In this paper，a novel method is present based on low-rank matrix r
GreyPrediction
- 自己编写的灰色预测模型，绝对可以运行，实现了对一组时间序列的预测，预测精度较精确。我用它来预测目标跟踪过程中对目标下一时刻的位置，效果很好！-Grey Forecasting Model I have written can definitely run to achieve a prediction of a time series, the more accurate the prediction accuracy. I use it to predict the target track
codebook算法
- codebook的建模效果比平均背景法好很多，建模过程中可以适应运动。CodeBook算法的基本思想是得到每个像素的时间序列模型。这种模型能很好地处理时间起伏，缺点是需要消耗大量的内存。(Image processing, codebook algorithm)