搜索资源列表
anolinerfilter
- 粒子滤波算法受到许多领域的研究人员的重视，该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上，本文提出一种新型粒子滤波算法。首先用Unscented卡尔曼滤波器产生系统的状态估计，然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计。在实验中，针对非线性程度不同的两种系统，分别采用五种粒子滤波算法进行实验。结果证明，本文所提出算法的各方面性能都明显优于其他四种粒子滤波算法。
Parzen
- Parzen窗函数概率密度估计演示程序 完全按照《现代模式识别》孙即祥著作 2.4.4《动态聚类法》算法3实现 使用欧式距离作为测度标准。
Parzen_KNN
- Parzen 窗 和 K近邻法进行概率密度估计 还带一个示波器控件.-Parzen window and K-nearest neighbor method probability density is estimated to bring an oscilloscope control.
parzen.根据样本进行概率密度函数估计
- parzen窗法，功能是根据样本进行概率密度函数估计。实现了对正态分布概率密度函数和均匀分布双峰概密函数进行估计,Parzen window method, function is based on a sample of the estimated probability density function. The realization of the normal distribution probability density function and uniform distributi
ML.rar
- 该算法是经典的信噪比估计算法——最大似然估计算法，利用接收信道的先验概率密度函数，ML法能够很好的估计信号的信噪比,The algorithm is a classic signal to noise ratio estimation algorithm- maximum likelihood estimation algorithm, using the a priori receiver channel probability density function, ML method can
gkdj
- 以为高斯和密度估计，使用高斯核的非参数密度估计方法，对样本进行概率密度估计，程序中给出了窗宽的估算公式。-That the Gaussian and density estimation, using Gaussian kernel non-parametric density estimation method, the sample probability density estimates, the program gives the formula for bandwidth estim
work
- 利用支持向量回归进行概率密度估计，从而计算信息熵-The use of support vector regression for probability density estimation, in order to estimate the information entropy
kde.tar
- kde全称是kernel density estimation.基于核函数的概率密度估计方法。是模式识别中常用的算法之一-KDE which is kernel density estimation is used to estimate probabilty function. It is mostly used in pattern recogntion
parzen
- 这是一个有关parzen窗估计的代码，用来估计概率密度函数，在模式识别中有很多重要的地位-This is a window of the estimated parzen code, used to estimate the probability density function, in the pattern recognition there are many important position ~ ~
bayes-classsifier
- 该程序源码中包括了各种典型分布的二维数据的自动生成，二维概率密度函数的极大似然估计和窗函数估计，bayes分类器的设计和分类器错误率的多种方法估计-The program includes a variety of typical source distribution of the automatic generation of two-dimensional data, two-dimensional probability density function of the maximum l
Character-Recognition(Lib-SVM)
- 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。- Support
NpIca-v1.2
- 基于非参数概率密度估计的盲源分离算法（NpICA），使用matlab编程，有可视界面。-Non-parametric probability density estimation-based blind source separation algorithm (NpICA), using the Matlab programming, visual interface.
kde
- 核密度概率估计方法，对于复杂分布的概率密度估计很实用-density analysis
kde
- 核概率密度估计算法，对于以往的有优化，可以得到概率密度及分布函数。-Nuclear probability density estimation algorithm optimized for the past there, you can get the probability density and distribution functions.
AWGN_Simulation
- 本程序仿真了高斯噪声的几种概率密度估计方法-This procedure simulated several Gaussian noise probability density estimation method
模式识别bayes实验
- 用身高和/或体重数据进行性别分类的实验 试验直接设计线性分类器的方法，与基于概率密度估计的贝叶斯分离器进行比较。 体会留一法估计错误率的方法和结果
biVarHgram.m
- biVarHgram 是Matlab程序，使用时请将文件的扩展名由.txt改为.m。 biVarHgram程序用于计算两个随机离散变量的直方图矩阵，用以估计两个变量的概率密度函数。
parzen-matlab
- pazzle 窗实现模式识别算法， parzen窗函数概率密度估计演示程序 完全按照《现代模式识别》孙即祥著作 2.4.4《动态聚类法》算法3实现 使用欧式距离作为测度标准-puzzle window to achieve pattern recognition algorithm
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
kde
- 给定样本点，采用高斯核密度估计，求出概率密度分布函数。(It is good to use this method to evaluate pdf)