CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 搜索资源 - EM算法 机器视觉

搜索资源列表

  1. em

    0下载:
  2. 在统计计算中,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)。最大期望经常用在机器学习和计算机视觉的数据聚类(Data Clustering)领域。 -In the statistical calculations, the maximum expected (EM) algorithm parameter maximum likelihood estimate
  3. 所属分类:Algorithm

    • 发布日期:2017-11-19
    • 文件大小:3435666
    • 提供者:梦含
  1. EM

    1下载:
  2. EM最大期望算法:算法是在概率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。最大期望经常用在机器学习和计算机视觉的数据聚类领域。-EM algorithm
  3. 所属分类:matlab

    • 发布日期:2017-11-20
    • 文件大小:1259
    • 提供者:张豪
  1. EM

    0下载:
  2. 《视觉机器学习20讲》的配套仿真代码——EM算法 均值最大算法,适合初学者-The visual machine learning about 20 supporting simulation code- EM algorithm average maximum algorithm, suitable for beginners
  3. 所属分类:AI-NN-PR

    • 发布日期:2017-04-13
    • 文件大小:1994
    • 提供者:马飞
  1. lab6

    0下载:
  2. 在统计计算中,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)。最大期望经常用在机器学习和计算机视觉的数据聚类(Data Clustering)领域。
  3. 所属分类:assembly language

    • 发布日期:2017-04-13
    • 文件大小:2116
    • 提供者:醉枫桥
  1. EM算法

    1下载:
  2. 在统计计算中,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)。最大期望经常用在机器学习和计算机视觉的数据聚类(Data Clustering)领域。(In statistical calculation, the expectation maximization (EM) algorithm in probability (probabilistic) maximu
  3. 所属分类:matlab例程

    • 发布日期:2017-12-23
    • 文件大小:1024
    • 提供者:橡树
  1. EM学习算法

    0下载:
  2. 该文件主要包含了Matlab条件下开发的EM算法,主要用于机器视觉学习。(This document mainly includes the EM algorithm developed under the condition of Matlab, which is mainly used for machine vision learning.)
  3. 所属分类:其他

    • 发布日期:
    • 文件大小:1024
    • 提供者:ywqh
  1. em

    0下载:
  2. 在统计计算中,最大期望(EM)算法是在概率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性变量。最大期望算法经常用在机器学习和计算机视觉的数据聚类(Data Clustering)领域。(In statistical computation, the maximum expectation (EM) algorithm is an algorithm to find the maximum likelihood estimation or the maximum
  3. 所属分类:数学计算

    • 发布日期:2020-06-17
    • 文件大小:144384
    • 提供者:Ohrid
搜珍网 www.dssz.com