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. 多线程程序时序分析的隐Markov模型

  2. 针对多线程程序数据竞争分析与检测困难的问题,提出一种基于隐Markov模型的多线程程序时序分析方法.用随机变量不确定性刻画不同线程之间时序上的交互关系,分析数据竞争条件下程序不确定结果的概率分布情况;建立多线程程序时序分析的隐Markov模型,使用Baum-Welch和前向算法仿真上下文对程序实际运行状态的影响.实验结果表明,该模型能够快速有效反映多线程执行时序,用于指导多线程程序时序竞争检测过程.

  3. 所属分类：嵌入式

    • 发布日期：2011-01-29
    • 文件大小：1048576
    • 提供者：mianyanglangzi

  1. EM算法讲解

  2. EM算法介绍，英文的！We describe the maximum-likelihood parameter estimation problem and how the Expectation- Maximization (EM) algorithm can be used for its solution. We first describe the abstract form of the EM algorithm as it is often given in the literat

  3. 所属分类：专业指导

    • 发布日期：2011-10-31
    • 文件大小：289792
    • 提供者：amoaxm

  1. 三阶隐马氏模型算法及其与一阶隐马氏模型的关系

  2. 为了考虑更多的统计特征，提出了一类三阶隐马氏模型，其中状态转移和输出观测同时取决于当前状态和前面两个状态. 研究和推导了这类三阶隐马氏模型中估值问题的向前－向后算法、解码问题的Viterbi算法和学习问题的Baum-Welch算法. 对此类三阶隐马氏模型，构造了一个与之等价的一阶隐马氏模型，提出并证明了它们的等价性定理. 研究结果丰富了隐马氏模型的算法理论，可为一些实际应用提供更好的方法.

  3. 所属分类：教育

    • 发布日期：2011-11-19
    • 文件大小：579584
    • 提供者：postyf

  1. 隐马尔可夫模型的算法分析

  2. 详细描述和分析了隐马尔科夫模型的原理和算法，是一份一万余字的docx文档。 可用于对HMM模型的入门学习和算法分析。

  3. 所属分类：专业指导

    • 发布日期：2012-04-16
    • 文件大小：176128
    • 提供者：zhuzixiao1990

  1. HMM及其算法（前向，Viterbi，Baum-Welch）

  2. 在PPT中简单介绍了HMM，对其针对的三个主要工作及其算法进行了描述与说明，分别是评估——前向算法，解码——Viterbi算法，训练——Baum-Welch算法，希望可以帮到大家。

  3. 所属分类：互联网

    • 发布日期：2012-11-26
    • 文件大小：580608
    • 提供者：xiaoxio006

  1. 隐马尔可夫模型c++程序

  2. 隐马尔可夫模型c++实现程序，采用Baum-Welch (ML)算法进行训练。

  3. 所属分类：C++

    • 发布日期：2013-02-28
    • 文件大小：15360
    • 提供者：qwang11

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14680064
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14680064
    • 提供者：a121649982

  1. HMM 模型算法 包括测试的主函数

  2. HMM 模型算法 包括测试的主函数，Baum-Welch 算法，已经进行了验证，可以直接运行

  3. 所属分类：C

    • 发布日期：2013-11-29
    • 文件大小：304128
    • 提供者：u011488675

  1. HMM 的各种算法 含有尺度量化

  2. HMM 的各种算法 前向- 后向算法 Baum-Welch ，同时考虑了定标问题

  3. 所属分类：C++

    • 发布日期：2013-11-29
    • 文件大小：89088
    • 提供者：u011488675

  1. 隐马尔科夫模型学习总结.pdf

  2. 这篇文档主要对隐马尔科夫模型所用到的数学知识进行了简单的介绍，对其中使用的算法（三个算法，前向后向算法、Baum-Welch算法和维特比算法）的步骤进行了总结

  3. 所属分类：专业指导

    • 发布日期：2014-04-18
    • 文件大小：452608
    • 提供者：a123456ei

  1. Baum-Welch

  2. Baum-Welch,隐马尔可夫学习算法，自己备份。

  3. 所属分类：机器学习

    • 发布日期：2017-08-29
    • 文件大小：623616
    • 提供者：hearthougan

  1. Hidden Markov Model (HMM) matlab程序

  2. dtw － DTW算法演示程序 mfcc.m － MFCC参数计算程序 dtw.m － 基本的DTW算法 dtw2.m － 优化的DTW算法 testdtw.m － DTW算法测试程序 vad.m － 端点检测程序 cdhmm － 连续高斯混合HMM演示程序 pdf.m － 高斯概率密度函数 mixture.m － 混合高斯的输出概率 inithmm.m － HMM参数初始化 getparam.m － 计算观察序列的参数 viterbi.m － 语音识别的Viterbi算法 baum.m －

  3. 所属分类：其它

    • 发布日期：2009-03-31
    • 文件大小：35840
    • 提供者：qq_31298973

  1. 隐马尔可夫HMM的c语言实现

  2. 隐马尔可夫模型的c语言实现，包含了详细的注释，Baum-Welch算法以及Viterbi算法的实现

  3. 所属分类：C

    • 发布日期：2019-01-09
    • 文件大小：11264
    • 提供者：fyllx

  1. Statistical-Learning-Methods:实施统计学习方法，李航刻苦。李航《统计学习方法》一书的硬核Python实现-源码

  2. 统计学习方法（中文文档请往下翻） 实现统计学习方法（李航）介绍的所有算法。 特征 完成。 本书介绍的所有算法均已实现，包括 由kd-tree提供支持的kNN。 最大熵模型。 我找不到其他实现此算法的存储库。 线性链条件随机场。 我在任何其他类似的存储库中都找不到此模型。 由baum-welch驱动的HMM。 大多数回购协议仅提供经过计数训练的HMM。 详细。 所有算法均已实现。 我尽力不跳过任何细节。 例如， 关于如何通过交叉验证选择最佳的CART之一，我通过电子邮件询问了李航博士，并

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：58368
    • 提供者：weixin_42176612

  1. 隐马尔科夫模型(HMM)的无监督学习算法java实现（baum-welch迭代求解），包括串行以及并行实现-附件资源

  2. 隐马尔科夫模型(HMM)的无监督学习算法java实现（baum-welch迭代求解），包括串行以及并行实现-附件资源

  3. 所属分类：互联网

  1. 隐马尔科夫模型(HMM)的无监督学习算法java实现（baum-welch迭代求解），包括串行以及并行实现-附件资源

  2. 隐马尔科夫模型(HMM)的无监督学习算法java实现（baum-welch迭代求解），包括串行以及并行实现-附件资源

  3. 所属分类：互联网

  1. 一文读懂NLP之HMM模型代码python实现与演示

  2. 一文读懂NLP之HMM模型代码python实现与演示1. 前言2 概率计算问题2.1 前向算法2.2 后向算法3 模型训练问题3.1 监督学习–最大似然估计2.2 Baum·welch算法4 序列预测问题4.1 维特比算法 1. 前言 在上一篇《一文读懂NLP之隐马尔科夫模型（HMM）详解加python实现》中已经详细介绍了HMM模型的算法原理，这一篇主要是从零实现HMM模型。 定义HMM模型： class HMM(object): def __init__(self, n, m, a=

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：82944
    • 提供者：weixin_38576392

  1. 基于HTCPN和隐马尔科夫的网络控制系统模型分析

  2. 针对具有随机时延的网络控制系统(NCSs),研究其建模与系统分析问题.运用层次时间颜色Petri网(HTCPN)对以PLC为控制器的NCSs进行结构保留形式建模,并以新颖的方式将网络丢包和乱序现象与系统模型结合.重点分析系统中传感器-控制器、控制器-执行器随机时延分布情况,建立时延与网络中数据包运行情况间的关系.在此基础上,利用Baum-Welch算法建立两种时延的隐马尔科夫模型(HMM),进一步验证了HTCPN模型与HMM的等效性.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：295936
    • 提供者：weixin_38519660

  1. 能量受限认知无线电网络中用于协作频谱感知的信道状态学习

  2. 认知无线电（CR）是解决新兴频谱危机的有前途的技术，尤其是对于部署了成千上万个无线传感器节点的应用而言。 由于连续频谱感测将大大缩短由能量受限的CR节点组成的网络的寿命，因此需要一种准确的预测频谱占用率的方法来提高能量效率。 本文提出了一种基于隐马尔可夫模型（HMM）的协作频谱感知（CSS），可预测网络环境的状态。 用于协作频谱感测的传统预测算法假定所有CR节点都具有相同的网络环境。 但是，各个CR节点的信道可用性可能会大不相同，因此传统算法将导致在复杂的无线电环境中较低的预测精度。 所提出的方

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：3145728
    • 提供者：weixin_38551938