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. MATLAB-高斯核密度估计

  2. 主要用MATLAB编写的核密度估计方法，采用的核是高斯核！

  3. 所属分类：其它

    • 发布日期：2010-03-25
    • 文件大小：423
    • 提供者：kobehyy

  1. 高斯核密度估计代码

  2. matlab最快最强的核密度估计代码，容易上手

  3. 所属分类：其它

    • 发布日期：2013-01-22
    • 文件大小：7168
    • 提供者：qqmrsu

  1. 快速核密度估计定理和大规模图论松弛聚类方法

  2. 首先证明了快速核密度估计(Fast kernel density estimate, FKDE) 定理: 基于抽样子集的高斯核密度估计(KDE) 与原数据集的KDE 间的误差与抽样容量和核参数相关, 而与总样本容量无关. 接着本文揭示了基于高斯核形式的图论松弛聚 类(Graph-based relaxed clustering, GRC) 算法的目标表达式可分解成\Parzen 窗加权和+ 平方熵" 的形式, 即此时GRC 可视作一个核密度估计问题, 这样基于KDE 近似策略, 本文提出了大规

  3. 所属分类：专业指导

    • 发布日期：2013-08-10
    • 文件大小：1048576
    • 提供者：wutiebing81

  1. Matlab视频分析工具箱

  2. Matlab时频分析工具箱 一 信号产生函数：amexpo1s 单边指数幅值调制信号amexpo2s 双边指数幅值调制信号amgauss 高斯幅值调制信号amrect 矩形幅值调制信号amtriang 三角形幅值调制信号fmconst 定频调制信号fmhyp 双曲线频率调制信号fmlin 线性频率调制信号fmodany 任意频率调制信号fmpar 抛物线频率调制信号fmpower 幂指数频率调制信号fmsin 正弦频率调制信号gdpower 能量律群延迟信号altes 时域Altes信号ana

  3. 所属分类：其它

    • 发布日期：2013-10-22
    • 文件大小：1048576
    • 提供者：u012533698

  1. 清华大学模式识别第二次大作业

  2. 1． 仍然使用第一次作业中收集的数据作为训练集（注意：不得超过20+20 例样 本），采用身高和体重为特征进行性别分类，训练SVM 分类器，在测试数据 dataset1.txt 上测试分类效果。SVM 中分别使用线性核和高斯核，参数自己 确定。 2． 使用一个较大的数据集（dataset2.txt）作训练样本，采用身高和体重为特征 进行性别分类，在正态分布假设下估计概率密度，建立最小错误率贝叶斯分 类器，写出得到的决策规则；把分类器应用到dataset1.txt 上，计算测试错 误率。（自行决

  3. 所属分类：专业指导

    • 发布日期：2013-12-24
    • 文件大小：57344
    • 提供者：hechao930407

  1. matlab时频分析工具箱+安装方法+函数说明.

  2. 时频分析工具箱中提供了计算各种线性时频表示和双线性时频分布的函数， 本帖主要列出时频分析工具箱函数简介，以号召大家就时频分析应用展开相关讨论。 一、信号产生函数： amexpo1s 单边指数幅值调制信号 amexpo2s 双边指数幅值调制信号 amgauss 高斯幅值调制信号 amrect 矩形幅值调制信号 amtriang 三角形幅值调制信号 fmconst 定频调制信号 fmhyp 双曲线频率调制信号 fmlin 线性频率调制信号 fmodany 任意频率调制信号 fmpar 抛物线频率调

  3. 所属分类：其它

    • 发布日期：2014-02-27
    • 文件大小：2097152
    • 提供者：makenothing

  1. 核密度估计

  2. 用matlab实现对6个样本点实现直方图估计、高斯核密度估计

  3. 所属分类：其它

    • 发布日期：2014-04-23
    • 文件大小：1024
    • 提供者：lmd3090311067

  1. matlab时频分析工具箱+安装方法+函数说明.

  2. 时频分析工具箱中提供了计算各种线性时频表示和双线性时频分布的函数， 本帖主要列出时频分析工具箱函数简介，以号召大家就时频分析应用展开相关讨论。 一、信号产生函数： amexpo1s 单边指数幅值调制信号 amexpo2s 双边指数幅值调制信号 amgauss 高斯幅值调制信号 amrect 矩形幅值调制信号 amtriang 三角形幅值调制信号 fmconst 定频调制信号 fmhyp 双曲线频率调制信号 fmlin 线性频率调制信号 fmodany 任意频率调制信号 fmpar 抛物线频率调

  3. 所属分类：C++

    • 发布日期：2015-12-07
    • 文件大小：2097152
    • 提供者：sungege521

  1. 基于粒子滤波的目标跟踪技术研究(Research on Target Tracking based on Particle Filter)

  2. 目标跟踪技术一直以来都是计算机视觉、图像处理领域的研究热点，其在 智能监控、视觉导航、智能交通、人机交互、国防侦察等领域具有重要应用价 值，是武器系统的核心技术之一。虽然近二十年来众多学者对目标跟踪技术进 行深入研究，但由于跟踪初始阶段目标模板获取不准确、目标在像面内运动规 律的复杂性、目标观测特征的实时变化、目标所处背景的复杂干扰、遮挡等因 素，导致当前的目标跟踪技术仍不能满足军、民领域的需求，因此仍需对其进 行深入研究。 目标跟踪问题可以定义为已知目标先验信息，在获取目标新的观测信息后，

  3. 所属分类：网络监控

    • 发布日期：2017-01-06
    • 文件大小：4194304
    • 提供者：lys_song

  1. 视频中运动目标提取

  2. 视频中静止背景下的运动目标提取算法，首先介绍了帧差法和背景差分法这两类经典算法的基本思想和算法流程。其中先详细介绍了基于帧差法思想的两种算法：帧间差分法和三帧差分法，通过实验结果发现这两种方法都不能完整地提取出目标。然后详细介绍了基于背景差分法的三种算法：滑动平均法、高斯混合模型和核密度估计，通过实验结果发现滑动平均法会产生一些错误识别的区域，高斯混合模型会出现较多的漏检情况而核密度估计会错误地识别目标附近的区域。提出了一种基于直方图灰度值归类的背景差分法，利用直方图灰度值归类构造背景，使用迭

  3. 所属分类：图像处理

    • 发布日期：2018-09-28
    • 文件大小：110100480
    • 提供者：qq_27840159

  1. kde高斯核密度估计——非参数估计

  2. kde核密度估计，非参数估计的一种，使用高斯核函数进行概率密度估计，应用于独立成分分析确定控制限等过程

  3. 所属分类：数据库

    • 发布日期：2019-03-05
    • 文件大小：1048576
    • 提供者：xiari774377516

  1. 基于角结构统计量的MKECA间歇过程故障监测.pdf

  2. 基于角结构统计量的MKECA间歇过程故障监测.pdf,针对间歇过程复杂非线性的特点，提出一种基于角结构统计量的多向核熵成分分析(MKECA)间歇过程监测方法。该方法首先将间歇过程数据进行标准化预处理，然后采用KECA提取间歇过程数据的主成分矩阵。研究表明，经过KECA投影后的主成分数据具有良好的角结构，因此利用主成分矩阵构造基于角结构的统计量，并且采用核密度估计算法计算其控制限。与传统的统计量相比，无需假设过程变量服从高斯分布。最后通过青霉素发酵的仿真平台和大肠杆菌实际生产过程验证，实验结果表

  3. 所属分类：其它

    • 发布日期：2019-09-20
    • 文件大小：3145728
    • 提供者：weixin_38744435

  1. 估计大型强子对撞机在超周边重离子碰撞中正向喷射的非线性效应

  2. 使用在彩色玻璃冷凝液的超前功率极限和高能量（或kT）因式分解之间进行插值的框架，我们计算出超外围Pb中正向双向喷射生产的直接成分– CM能量为5.1TeV时Pb碰撞 核对。 当Dijet系统PT的平均横向动量远大于饱和标度Qs，PT≥Qs时，形式主义是适用的，而Dijet系统的不平衡可以是任意的。 该截面对魏茨克（Williams）（WW）的非集成胶子分布具有独特的敏感性，从实验数据中了解到的远不及包含在x包容性小工艺中的最常见偶极胶子分布。 我们已经使用WW胶子分布通过高斯近似从偶极子胶子密度

  3. 所属分类：其它

    • 发布日期：2020-04-17
    • 文件大小：1048576
    • 提供者：weixin_38627590

  1. 海杂波分布建模：核密度估计方法

  2. 当检测海面漂浮目标时，准确的海杂波分布对于确定决策区域至关重要。 然而，由于海况动荡，传统的参数模型可能与海杂波的实际分布有相当大的差距。 在本文中，我们开发了一种基于核密度估计的框架，无需任何先验知识即可对海杂波分布进行建模。 在此框架中，我们共同考虑了两个嵌入的基本问题，即选择合适的内核密度函数和确定其相应的最佳带宽。 针对这两个问题，我们采用高斯分布，伽马分布和威布尔分布作为核函数，并推导了它们的闭式最优带宽方程。 为了处理三个内核的高度复杂的方程式，我们进一步设计了一种快速迭代带宽选择算

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：655360
    • 提供者：weixin_38517904

  1. 基于卷积神经网络特征和改进超像素匹配的图像语义分割

  2. 非参数语义分割算法易受到图像检索精度和语义类别不均衡数据集的影响而导致语义分割精度下降。针对这些问题，提出了一种基于卷积神经网络(CNN)特征和改进超像素匹配的图像语义分割算法。通过CNN学习得到图像特征，降维后进行图像检索，得到精度更高的检索集；利用高斯核密度估计对检索集图像的超像素加权，提升稀少类目标超像素标签的匹配精度，从而提高查询图像的语义分割精度。在SIFTflow和KITTI数据库上的实验结果显示，本文算法的每像素和平均每类语义分割精度均达到最优。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：7340032
    • 提供者：weixin_38729685

  1. 隐私团校准的模糊MEB学习

  2. 在一定条件下, 基于最小累积平方误差(ISE) 准则的高斯核密度估计与最小包含球(MEB) 等价. 在此基础上 提出了一种含团状隐私数据保护的MEB学习方法, 称为隐私团校准的MEB(PCC-MEB) 方法; 同时, 通过引入模糊 隶属度函数将PCC-MEB 拓展为模糊的PCC-MEB(FPCC-MEB), 从而解决二类及多类问题中区域不可分问题. 人造 和真实数据集上的实验结果表明, 所提出方法具有较好的性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：226304
    • 提供者：weixin_38728624

  1. 基于高斯核函数的朴素贝叶斯分类器依赖扩展

  2. 朴素贝叶斯分类器不能有效地利用属性之间的依赖信息, 而目前所进行的依赖扩展更强调效率, 使扩展后分类器的分类准确性还有待提高. 针对以上问题, 在使用具有平滑参数的高斯核函数估计属性密度的基础上, 结合分类器的分类准确性标准和属性父结点的贪婪选择, 进行朴素贝叶斯分类器的网络依赖扩展. 使用UCI 中的连续属性分类数据进行实验, 结果显示网络依赖扩展后的分类器具有良好的分类准确性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：176128
    • 提供者：weixin_38674124

  1. 基于风电预测误差区间的动态经济调度

  2. 由于风电的预测值与实际值存在偏差，含风电的动态经济调度需考虑风电预测的不确定性。根据风电场的历史预测误差数据，提出利用核密度估计建立某预测值条件下的误差概率分布，并以高斯核函数为例推导了相应的误差置信区间，将动态经济调度中涉及的不确定性问题转换为确定性区间问题，降低了调度模型的复杂度。实际数据分析表明核密度估计具有较高的拟合优度，能够避免高估或低估误差。最后通过含风电场的IEEE 30节点系统仿真验证了所提方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38727087

  1. 基于D-vine Copula理论的贝叶斯分类器设计

  2. 高斯判别分析、朴素贝叶斯等传统贝叶斯分类方法在构建变量的联合概率分布时,往往会对变量间的相关性进行简化处理,从而使得贝叶斯决策理论中类条件概率密度的估计与实际数据之间存在一定的偏差.对此,结合Copula函数研究特征变量之间的相关性优化问题,设计基于D-vine Copula理论的贝叶斯分类器,主要目的是为了提高类条件概率密度估计的准确性.将变量的联合概率分布分解为一系列二元Copula函数与边缘概率密度函数的乘积,采用核函数方法对边缘概率密度进行估计 ,通过极大似然估计对二元Copula函数的

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：231424
    • 提供者：weixin_38596117

  1. 基于LNS-DEWKECA算法的多模态工业过程故障检测

  2. 受市场需求主导,工业过程需要在多种工作模态下切换,数据往往呈现多模态复杂分布特性,研究多模态的故障检测技术对于保障工业过程的安全运行具有重要意义.为此,提出一种基于局部近邻标准化(LNS)和方向熵加权核熵成分分析(DEWKECA)的故障检测算法.利用LNS实现多模态数据的标准化,相比于全局标准化, LNS可以有效消除多模态特性;考虑到故障样本与正常样本在变化趋势上的差异,定义样本变化方向的信息熵为方向熵,用来衡量样本变化方向的无序程度,从而利用DEWKECA实现数据降维,可以更有效提取数据变化方

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38609720
« 12 »