搜索资源列表
Hidden Markov Models for Speech Recognition-lect19
- HMM模型在语音识别中的应用，相信对HMM模型感兴趣的语音或图像等专业人员应该明白价值。-It is about Hidden Markov Models (HMM) method in Speech Recognition research. those interested in HMM or speech/image processing should know it s value.
MarKov
- 一种基于Ｍａｒｋｏｖ链模型的动态聚类方法-a Markov chain model based on the dynamic clustering method
MachineLearning
- MCMC方法是一种重要的模拟计算方法，马尔可夫链蒙特卡尔理论(Markov chain Monte Carlo：MCMC)的研究对建立可实际应用的统计模型开辟了广阔的前景。90年代以来，很多应用问题都存在着分析对象比较复杂与正确识别模型结构的困难。现在根据MCMC理论，通过使用专用统计软件进行MCMC模拟，可解决许多复杂性问题。此外，得益于MCMC理论的运用，使得贝叶斯(Bayes)统计得到了再度复兴，以往被认为不可能实施计算的统计方法变得是很轻而易举了-MCMC method is an im
MCMC
- 北大于江生教授有关蒙特卡洛方法和马尔科夫链的两个PPT（PDF格式）：An Introduction to MCMC for Machine Learning、Monte Carlo统计方法。共396页-Peking University Professor Yu Jiangsheng on Markov chain Monte Carlo method and the two PPT (PDF format): An Introduction to MCMC for Machine Learn
HikerWB
- 自己用Markov模型做的一个整句物笔输入法的原型，提供两种模式，普通模式和无空格分词的模式。可以从文章中学习。-Markov model of their own to do with a pen input method sentence prototype objects to provide two modes, normal mode and non-space segmentation model. Can learn from the article.
Markov
- Markov参数是系统能观测性规范型实现时的重要参数，他给出了系统能观测性规范型的一种简单的实现方法。给出了Markov参数的定义、算法流程及运行算例，最后给出源程序！-Markov parameter is the system to standardize the type of observation when the realization of the important parameters, he gives the observation system can standardi
textureclassfication
- 提出了一种基于函数联接的感知器神经网络的纹理分类方法.它采用高斯2马尔柯夫随机场模型(GM RF)对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得.将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题.对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果. -Based on the function connected perceptron neural network tex
HzSearching
- 基于自然语言处理方法的拼音输入法程序,主要采用马尔可夫链模型，通过求最大转移概率，获得由拼音到汉语语句的转变-Based on natural language processing methods Pinyin input method procedures, the main use of Markov chain model, by seeking the maximum transition probability, obtained from the phonetic changes
Makvor_paper
- 马尔可夫系统瞬态不可用度计算的高效率蒙特卡罗方法,pdf格式-Transient Markov System unavailability calculations efficient Monte Carlo method, pdf format
HMM
- ：为了使应力变异在顽健语音识别系统中能够达到较好的识别效果，研究了基于隐马 尔可夫模型(HMM)的自适应技术，提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用 于应力变异语音的自适应中。实验结果表明，与基本系统相比，两种方法均有效地提高系统识别 率。以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好，可以达到90．4％ 。-: In order to stress variation in the robustness of speech recogni
SimulationandMonteCarlo
- the book <<Simulation and Monte Carlo With applications in finance and MCMC >> about MONte carlo method applying to finance problem and markov chain and markov decision process.
Markov
- 马尔科夫链法预测股票，利用中国股市历史数据建立上证综合指数的预测模型，并进行模型验证与股指预测（股指是股票价格指数的简称）。-Markov chain method to predict the stock using historical data to establish the prediction model of the Shanghai Composite Index of China' s stock market, and model validation and stoc
reference-of-Markov
- 较好的描述了马尔可夫的原理及其实现方法，将马尔科夫过程引入舰船变形的系统模型中。-Introductiong the principle and implementation method of Markov process, and building the flexure deformation model with the 2or markov model.
Face-Recognition-Using-Markov
- 最新基于马尔可夫方法的多变姿态人脸检测论文IEEE检索，是学习人脸检测的研究人员不可多得的好材料-IEEE retrieval method based on Markov latest changeable pose face detection papers, learning researchers face detection rare good material
Markov-chain-model
- 介绍了马氏链模型的原理、方法和运用，并有详细的事例进行了说明。-Introduces the principle, method and application of Markov chain model, and detailed examples are illustrated.
Markov
- 基于Markov方法的风机出力预测方法，具有较强的可转换性-The method of wind power forecast using Markov
Markov-Chain-Monte-Carlo)
- 基于马尔可夫链的蒙特卡洛方法在matlab中的实现程序-Based on markov chain monte carlo method is implemented in the matlab program
Softare-testing-method
- 本文提出的基于统计方法的软件测试方法，是能生成具备一定充分性的测试 用例的方法，是更适合软件工程实践的测试方法。该方法根据用户对软件的使用 方式展开，对使用频繁的操作会进行更多的测试，因此可以有效地发现那些对软 件可靠性影响较大的错误。统计测试首先构造出软件的马尔科夫链使用模型，根 据该使用模型生成测试用例，实施测试后按照统计学模型对测试结果进行分析， 从而评价软件可靠性和质量。鉴于关软件可靠性测试用例充分性准则的研究较少， 本文提出了如何判断测试用例充分性的新方法。
Markov
- Markov方法的预测大全，很好应用的工具与方法；Markov method of forecasting Daquan, very good tools and methods of application(Markov method of forecasting Daquan, very good tools and methods of application)
K-order Markov Chain in Mobile Social Networks
- 针对移动社交网络中节点中心性预测问题，提出基于K阶马尔科夫链的中心性预测方法。在真实移动社交数据集的中计算信息熵分析节点中心性的过去与未来规律性，研究了节点中心性的可预测性。利用节点中心性的历史信息，构建状态转移概率矩阵，预测节点未来中心性值, 并通过分析真实值与预测值之间的误差评估了这些预测方法的性能。结果表明，当阶数K=2时，与四种基于时窗的中心性预测方法比较，基于K阶马尔科夫链的预测模型在MIT数据集和Infocom 06数据集中虽不在个体上优于已提出的预测方法，但在整体上达到了优化。(w