搜索资源列表
EM
- EM算法Matlab实现。最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）-EM algorithm by Matlab. Maximum expected (EM) algorithm is probabilistic (probabilistic) model to find maximum likelihood parameter estimation or m
NaiveBaye
- NaiveBayes 训练函数 通过对训练数据进行NaiveBayes 算法估计 产生先验概率估计和似然概率估计-NaiveBayes Training Produce likelihood and prior matrix
nbem.tar
- Naive bayes classifer的具体实现，使用多模态事件模型表示，提供EM算法用于半监督和无监督学习，最大似然估计用于有监督学习-The Naive bayes classifer implementation, using a multi-modal event model EM algorithm for semi-supervised and unsupervised learning, maximum likelihood estimation for supervised
RELS
- 增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average
EM
- EM算法，统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。程序用C++实现，注释写得很清晰-Expectation-maximization algorithm，based on Maximum Likelihood Estimation,C++ program
em1
- 使用最大期望算法可以在概率模型中寻找参数最大似然估计。-Using the maximum expected algorithm can seek parameters of maximum likelihood estimation in the probabilistic model
em聚类
- em算法指的是最大期望算法（Expectation Maximization Algorithm，又译期望最大化算法），是一种迭代算法，用于含有隐变量（latent variable）的概率参数模型的最大似然估计或极大后验概率估计。(Expectation Maximization Algorithm use for clustering)