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.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. . . .
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
parzenmoshishibie
- 用parzen来计算所选的数据的概率密度函数，所选的窗函数是方窗，最后基于最小错误率的贝叶斯进行分类-With parzen selected data to calculate the probability density function, the selected window function is the side window, and finally the smallest error rate based on Bayesian classification
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
FFTanalsis
- FFT 概率密度函数估计 概率论与数理统计-FFT probability density function estimation
sijiache
- 私家车充电模型，私家车日行驶距离概率密度及累加函数，电动汽车出发时间（或者称开始充电的时间）概率-Private car charging model, private car day driving distance probability density function and cumulative electric vehicle departure time (or start charging of said time) probability
GMM
- 聚类算法之高斯混合模型，GMM 和 k-means 很像，不过 GMM 是学习出一些概率密度函数来（所以 GMM 除了用在 clustering 上之外，还经常被用于 density estimation ）。-Gaussian mixture model of clustering algorithm, GMM and k-means like, but GMM is learning some probability density function (so GMM except on cl
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。
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()