注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多元高斯分布的边际分布与条件分布

  2. MCMC算法--Gibbs采样2：多元高斯分布的边际分布与条件分布

  3. 所属分类：讲义

    • 发布日期：2018-03-30
    • 文件大小：434176
    • 提供者：eric2016_lv

  1. 机器学习算法详解

  2. 机器学习算法详解▪ 一、线性回归 ◦ 1、代价函数 ◦ 2、梯度下降算法 ◦ 3、均值归一化 ◦ 4、最终运行结果 ◦ 5、使用scikit-learn库中的线性模型实现 ▪ 二、逻辑回归 ◦ 1、代价函数 ◦ 2、梯度 ◦ 3、正则化 ◦ 4、S型函数（即） ◦ 5、映射为多项式 ◦ 6、使用的优化方法 ◦ 7、运行结果 ◦ 8、使用scikit-learn库中的逻辑回归模型实现 ▪ 逻辑回归_手写数字识别_OneVsAll ◦ 1、随机显示100个数字 ◦ 2、OneVsAll ◦ 3、手

  3. 所属分类：Python

    • 发布日期：2018-04-12
    • 文件大小：3145728
    • 提供者：yuyuyuxiaolei

  1. 高斯判别算法学习笔记文档

  2. 机器学习入门。高斯判别算法学习过程中遇到的问题，记录下来，可以说是学习笔记，希望能给大家带来帮助。由于手写难免会有一些错误察觉不到，广泛讨论，共同进步。

  3. 所属分类：机器学习

    • 发布日期：2018-07-17
    • 文件大小：1048576
    • 提供者：z_feng12489

  1. 多元高斯分布

  2. 多元高斯分布函数的python程序，供大家学习整理和使用

  3. 所属分类：Python

    • 发布日期：2018-07-27
    • 文件大小：456
    • 提供者：qq_41938626

  1. 高斯混合模型聚类(GMM)算法(Python)

  2. 高斯混合模型聚类(Gaussian Mixture Mode，GMM)是一种概率式的聚类方法，它假定所有的数据样本x由k个混合多元高斯分布组合成的混合分布生成。 使用场景:用于平坦的结合结构，对密度估计很合适

  3. 所属分类：机器学习

    • 发布日期：2019-05-31
    • 文件大小：2048
    • 提供者：aioo11

  1. 高斯随机景观中的Hessian特征值分布

  2. 多元宇宙学的能量格局通常由多维随机高斯势来建模。 此类模型的物理预测关键取决于潜在最小点处黑森州矩阵的特征值分布。 特别地，真空的稳定性和慢滚动的动态对最小特征值的大小敏感。 早先已经使用鞍点近似法以1 / N扩展的扩展顺序研究了Hessian特征值分布，其中N是景观的维数。 然而，这种近似对于频谱的较小特征值端是不够的，在频谱的次特征项中起着重要的作用。 我们将鞍点法扩展到考虑次领导贡献。 我们还开发了一种新方法，其中特征值分布在随机过程（Dyson Brownian运动）的端点处被视为平衡分

  3. 所属分类：其它

    • 发布日期：2020-04-18
    • 文件大小：872448
    • 提供者：weixin_38674675

  1. statistical_shape_modelling_step.zip

  2. 统计形状模型的相关资源，巴塞尔大学的第一周PPT，主要讲述了什么是形状，多元高斯分布，以及用到的软件scalismo

  3. 所属分类：机器学习

    • 发布日期：2020-02-17
    • 文件大小：6291456
    • 提供者：qq_35661896

  1. 多元q-高斯分布统计性质探讨

  2. 多元q-高斯分布统计性质探讨，刘君，吴海英，本文以带随机项的微分方程组导出的一种多元函数为研究对象，验证了它是一族关于q的多尺度密度函数（多元q-高斯密度函数）；然后研

  3. 所属分类：其它

    • 发布日期：2019-12-29
    • 文件大小：323584
    • 提供者：weixin_38652870

  1. python实现高斯判别分析算法的例子

  2. 高斯判别分析算法（Gaussian discriminat analysis） 高斯判别算法是一个典型的生成学习算法（关于生成学习算法可以参考我的另外一篇博客）。在这个算法中，我们假设p(x|y)p(x|y)服从多元正态分布。 注：在判别学习算法中，我们假设p(y|x)p(y|x)服从一维正态分布，这个很好类比，因为在模型中输入数据XX通常是拥有很多维度的，所以对于XX的条件概率建模时要取多维正态分布。 多元正态分布 多元正态分布也叫多元高斯分布，这个分布的两个参数分别是平均向量μ∈Rnμ∈Rn

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：441344
    • 提供者：weixin_38550334

  1. Python概率分布大全（含可视化）

  2. 文章目录术语前言整数浮点数抽取字节洗牌排列贝塔分布二项分布卡方分布狄利克雷分布指数分布F分布伽玛分布几何分布耿贝尔分布超几何分布拉普拉斯分布（双指数分布）逻辑斯谛分布正态分布（高斯分布）对数正态分布对数分布多项分布多元正态分布负二项分布非中心卡方分布非中心F分布帕累托分布（Lomax Distribution）泊松分布幂律分布瑞利分布柯西分布（洛伦兹分布）标准指数分布标准伽马分布标准正态分布学生t分布三角形分布（辛普森分布）均匀分布冯·米塞斯分布（循环正态分布）逆高斯分布（Wald Distri

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：3145728
    • 提供者：weixin_38748718

  1. 使用Python实现正态分布、正态分布采样

  2. 多元正态分布(多元高斯分布) 直接从多元正态分布讲起。多元正态分布公式如下： 这就是多元正态分布的定义，均值好理解，就是高斯分布的概率分布值最大的位置，进行采样时也就是采样的中心点。而协方差矩阵在多维上形式较多。 协方差矩阵 一般来说，协方差矩阵有三种形式，分别称为球形、对角和全协方差。以二元为例： 为了方便展示不同协方差矩阵的效果，我们以二维为例。(书上截的图，凑活着看吧，是在不想画图了) 其实从这个图上可以很好的看出，协方差矩阵对正态分布的影响，也就很好明白了这三个协方差矩阵是哪里来的

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：409600
    • 提供者：weixin_38602098

  1. 多元统计分析在非高斯过程故障诊断中的应用

  2. 传统的多变量分析（MVA）故障诊断方法通常要求分离的采样数据潜在变量必须服从正态分布，这通常很难满足实际的工业过程。 本文首先介绍了一种基于Q统计量的故障诊断方法。 它要求采样数据必须服从正态分布。 然后介绍一种基于信息增量矩阵（IIM）的故障诊断方法，该方法的采样数据不受正态分布的限制。 该方法主要由定义协方差矩阵，计算信息增量矩阵，信息增量均值和动态阈值等组成。 最后，给出了一个数值模拟的例子和一个田纳西州的伊斯曼过程的例子，以验证两种错误诊断方法，即Q统计量和IIM，在误报和漏报中的检测性

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：569344
    • 提供者：weixin_38709312

  1. 基于变分贝叶斯推理的鲁棒多重测量稀疏信号恢复

  2. 这项工作不仅着眼于探索一种新颖的贝叶斯概率模型来制定一种通用类型的具有脉冲噪声的鲁棒多重测量矢量稀疏信号恢复问题，而且还开发了一种改进的变分贝叶斯方法来恢复原始关节行。 。 在模型的设计中，设计了两个三级分层贝叶斯估计程序，以利用高斯尺度混合和多元广义t分布来表征脉冲噪声和联合行稀疏源信号。 基于变分贝叶斯框架估计信号和测量模型中包含的那些隐藏变量，其中采用多种概率分布来表达其特征。 在算法的设计中，提出的算法是一种与变分贝叶斯估计有关的完整贝叶斯推理方法。 它对脉冲噪声具有鲁棒性，因为可以通过

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：902144
    • 提供者：weixin_38631197

  1. Python实现机器学习算法

  2. 本文来自于CSDN，介绍了机器学习算法Python实现的逻辑回归、BP神经网络、K-Means聚类算法以及多元高斯分布等相关知识。其中：下面就是要求出theta，使代价最小，即代表我们拟合出来的方程距离真实值最近共有m条数据，其中代表我们要拟合出来的方程到真实值距离的平方，平方的原因是因为可能有负值，正负可能会抵消前面有系数2的原因是下面求梯度是对每个变量求偏导，2可以消去实现代码：注意这里的X是真实数据前加了一列1，因为有theta(0)代价函数对求偏导得到：所以对theta的更新可以写为：其

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：8388608
    • 提供者：weixin_38663608

  1. ndarray-multivariate-gaussian：从多元高斯分布中抽取样本-源码

  2. ndarray-多元高斯 从多元高斯分布中抽取样本 例子 import ndarray from 'ndarray' ; import mvGaussian from 'ndarray-multivariate-gaussian' ; const mean = ndarray ( [ 1 , 2 ] ) ; const covariance = ndarray ( [ 4 , 1 , 1 , 2 ] , [ 2 , 2 ] ) ; const N = 10 ; // Draw N sample

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：61440
    • 提供者：weixin_42131890

  1. 异常：使用多元高斯核进行简单的异常检测-源码

  2. N维数据中的半监督异常检测。 概括 使用半监督学习和Python，在给出具有大部分有效示例的数据集的情况下，我们使用高斯模型和多元高斯模型学习点的分布。 然后，我们可以将点标记为异常或不使用经过训练的模型。 该算法的监督部分是指定用于标记点的阈值。 数字 下面显示的图形代表高斯模型（顶部）和多元高斯模型（底部）。 两种模型都使用相同的输入数据进行了训练。 图例： x和y轴-2D空间中的数据点 蓝点-用于构建模型的输入数据红点-二维空间中标记为异常的点黄点-二维空间中标记为有效的点 s Ra

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：3072
    • 提供者：weixin_42120283

  1. SAR影像极化特征的混合高斯模型与分类

  2. 针对高分辨率极化合成孔径雷达(SAR)影像中极化特征呈现尖峰拖尾等复杂多样的统计特点, 采用混合高斯模型(GMM)对极化特征进行建模, 提出了一种约束距离的混合多元高斯分布的参数估计算法。该参数估计算法在贪婪期望最大算法框架下设计约束距离函数, 自动估计混合分量的个数和模型参数, 进而在贝叶斯框架下实现极化SAR影像的地物分类。对Radarsat-2旧金山等地区三组影像数据的分类结果表明：相比于经典的分类算法, 所提GMM分类算法的总体精度提高了7%~10%, 且对样本数目的依赖性更小, 在城区

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：14680064
    • 提供者：weixin_38677227

  1. Python概率分布大全（含可视化）

  2. 文章目录术语前言整数浮点数抽取字节洗牌排列贝塔分布二项分布卡方分布狄利克雷分布指数分布F分布伽玛分布几何分布耿贝尔分布超几何分布拉普拉斯分布（双指数分布）逻辑斯谛分布正态分布（高斯分布）对数正态分布对数分布多项分布多元正态分布负二项分布非中心卡方分布非中心F分布帕累托分布（Lomax Distribution）泊松分布幂律分布瑞利分布柯西分布（洛伦兹分布）标准指数分布标准伽马分布标准正态分布学生t分布三角形分布（辛普森分布）均匀分布冯·米塞斯分布（循环正态分布）逆高斯分布（Wald Distri

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：3145728
    • 提供者：weixin_38713061

  1. Python概率分布大全（含可视化）

  2. 文章目录术语前言整数浮点数抽取字节洗牌排列贝塔分布二项分布卡方分布狄利克雷分布指数分布F分布伽玛分布几何分布耿贝尔分布超几何分布拉普拉斯分布（双指数分布）逻辑斯谛分布正态分布（高斯分布）对数正态分布对数分布多项分布多元正态分布负二项分布非中心卡方分布非中心F分布帕累托分布（Lomax Distribution）泊松分布幂律分布瑞利分布柯西分布（洛伦兹分布）标准指数分布标准伽马分布标准正态分布学生t分布三角形分布（辛普森分布）均匀分布冯·米塞斯分布（循环正态分布）逆高斯分布（Wald Distri

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：3145728
    • 提供者：weixin_38680671

  1. Python概率分布大全（含可视化）

  2. 文章目录术语前言整数浮点数抽取字节洗牌排列贝塔分布二项分布卡方分布狄利克雷分布指数分布F分布伽玛分布几何分布耿贝尔分布超几何分布拉普拉斯分布（双指数分布）逻辑斯谛分布正态分布（高斯分布）对数正态分布对数分布多项分布多元正态分布负二项分布非中心卡方分布非中心F分布帕累托分布（Lomax Distribution）泊松分布幂律分布瑞利分布柯西分布（洛伦兹分布）标准指数分布标准伽马分布标准正态分布学生t分布三角形分布（辛普森分布）均匀分布冯·米塞斯分布（循环正态分布）逆高斯分布（Wald Distri

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：3145728
    • 提供者：weixin_38588854
« 12 3 »