搜索资源列表
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。
parzendm
- 模式识别中的parzen窗估计概率密度的一个自编的函数
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.rar
- 用parzen窗方法，估计概率密度，采用高期核函数。。。。,With parzen window means of estimating the probability density function using high nucleus. . . .
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
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 ~ ~
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making, the estimated probability de
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
mean-shift
- Mean Shift 这个概念最早是由Fukunaga等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.-Mean Shift concept
knn
- K近邻（KNN）：分类算法KNN是non-parametric分类器（不做分布形式的假设，直接从数据估计概率密度），是memory-based learning KNN不适用于高维数据（curse of dimension）-K-Nearest Neighbor (KNN): Classification Algorithm. KNN is a non-parametric classifiers (not to assume that the distribution of forms, fr
FFTanalsis
- FFT 概率密度函数估计 概率论与数理统计-FFT probability density function estimation
probability-estimation
- 给定若干三维数据，建立训练概率模型，并对新数据进行估计。包括高斯模型、Parzen窗和K近邻密度估计-Given a number of three-dimensional data, the establishment of training probability model, and the new data is estimated. Including the Gaussian model, Parzen windows and K nearest neighbor density e
概率神经网络pnn
- 概率神经网络在RBF网络的基础上，融合了密度函数估计和贝叶斯理论。本文件包含三个PNN文件。
404440
- 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,()
upeow_grade_subset
- Mean Shift 这个概念最早是由Fukunaga等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其()