搜索资源列表
MobileModels
- 无线通信的各种运动模型。适用于移动通信、无线传感器网络等领域。 包括：Random walk、random waypoint、random direction、boundless simulation area、 gauss-markov等运动模型 - probabilistic random walk
MSVARlib-v2.0
- 用gauss运行MS-VAR code.markov-switching VAR-markov-switching VAR CODE FOR GAUSS
GaussMarkov
- Gauss Markov process simulation
Gauss_Markov
- The programm calculate Gauss-Markov process 1-st and 2-nd order
Learning-depth-information
- 本文提出一种基于高斯- 马尔科夫 随机场模型，首先通过图像采集及激光测距系统，采集大量图像及其相匹配的深度信息图，在 人类视觉系统基础上，提取图像特征，通过训练完善模型，并应用于新采集图像上-This paper presents a Gauss- Markov random field model, first by image acquisition and laser ranging system, collecting a large number of images to ma
ch6
- 高斯马尔科夫过程相关文档。应用场景很多，如可用于对多径的建模。-the modelling using gauss-markov
bonnmotion-1.5a
- Bonmotion is a tools to generate a file which contain random movement for each node in network simulation. It support some mobility model such as random way point, RPGM, Gauss markov, etc.
gauss-legendre-quadrature
- this is source code for estimation markov switchin model.
swarch-Gauss
- 马尔科夫机制转换条件异方差模型在Gauss的代码-Markov mechanism for converting conditional heteroscedasticity model code in Gauss
jae_92
- This is a GAUSS program. It will implement the estimation and testing procedures for a Markov switching parameter model as presented in B. Hansen "The likelihood ratio test under non-standard conditions: Testing the Markov trend model of GNP."
saw
- 用GAUSS软件运行的马尔科夫状态转移模型-GAUSS software using Markov state transition model to run
Gauss_Markov_TDE
- Gauss-Markov algorithm based TDE
untitled
- 应用小范围数据尝试制作的高斯马尔科夫过程(A Markov process of Gauss based on small range data)
HMM-GMM
- 使用高斯混合模型和隐马尔科夫模型进行建模(Modeling using Gauss mixture model and hidden Markov model)
基于隐马尔科夫模型的高速公路超车行为
- 基于驾驶模拟器实验数据,结合高斯混合隐马尔可夫模型(GM-HMM),对高速公路的超车行为进行 辨 识 , 并 对 驾 驶 员 意 图 和 超 车 行 为 是 否 正 常 进 行 分 析 。 结 果 表 明 , 基 于 GM-HMM 的 辨 识 方 法 能 有 效 辨 识 多 种 驾 驶 工况下的不正常超车行 为 。(Based on driving simulator experiment data, combined with Gauss hybrid hidden Markov model
GMRF
- 马尔科夫随机场一般是离散的。当然也有连续的马尔可夫随机场，如果假设这个马尔可夫随机场定义在一个域U上面而且任意x∈U，Y(x)都是服从高斯分布的，而且两点间的covariance function K(x,y)=G(x,y)，where G是对应U的格林函数，那么这个随机场既是马尔可夫随机场，也是高斯随机场。(The Markov random field is generally discrete. Of course there are continuous Markov random fi
HMM1
- 在VC6.0平台上进行编写的，包括隐马尔科夫模型（HMM）和混合高斯模型（GMM）在内的用于模板训练的算法。(The algorithm for template training is written on VC6.0 platform, including hidden Markov model (HMM) and mixed Gauss model (GMM).)
MS-ragged
- 卡马乔的混频马尔科夫区制转换动态因子模型程序(Markov swtiching dynamic factor model program with GAUSS)