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. EM算法简介-入门级

  2. 在网上搜的，写得比较不错，供入门者做参考

  3. 所属分类：其它

    • 发布日期：2009-05-07
    • 文件大小：134144
    • 提供者：ustcxintianliu

  1. EM算法，一种基本的模式识别算法

  2. EM算法简介，从别处找到的电子资源，对学习模式是别的同志应该有一定的帮助！

  3. 所属分类：其它

    • 发布日期：2009-11-01
    • 文件大小：134144
    • 提供者：pepper2008

  1. EM算法简介--作者：尤全增

  2. EM（expectation-maximization）算法是Dempster,Laird和Rubin(DLR)三个人在1977年正式提出的.主要是用于在不完全数据的情况下计算最大似然估计。ppt中包含以下内容： 算法介绍 EM算法 GEM算法性质 EM算法解释 EM不足及改进 作者：尤全增 ultimateyou@gmail.com

  3. 所属分类：其它

    • 发布日期：2009-12-20
    • 文件大小：532480
    • 提供者：infocarrier

  1. EM算法简介及实现_课件

  2. 描述了EM算法的基本原理，介绍了高斯混合模型的解法

  3. 所属分类：其它

    • 发布日期：2010-06-28
    • 文件大小：538624
    • 提供者：lovexiejuan

  1. 机器学习算法之em算法简介及代码

  2. em算法简介及代码。EM算法是机器学习中一个很重要的算法，即期望最大化算法，主要包括以下两个步骤： E步骤：estimate the expected values M步骤：re-estimate parameters 迭代使用EM步骤，直至收敛。

  3. 所属分类：其它

    • 发布日期：2011-03-08
    • 文件大小：484352
    • 提供者：onedream87

  1. EM算法简介 EM算法简介

  2. chwang EM算法简介 EM算法简介

  3. 所属分类：软件测试

    • 发布日期：2011-03-29
    • 文件大小：134144
    • 提供者：lrjnlp

  1. EM算法简介

  2. EM算法简介 以及在HMM中的应用 以及EM算法的证明过程

  3. 所属分类：专业指导

    • 发布日期：2012-12-02
    • 文件大小：775168
    • 提供者：lordvmxxx

  1. EM算法简介

  2. 最大期望算法（Expectation Maximization Algorithm，又译期望最大化算法），是一种迭代算法，1977年由 Dempster等人总结提出，用于含有隐变量（hidden variable）的概率参数模型的最大似然估计或极大后验概率 估计。EM算法的每次迭代由两步组成，E步根据参数初始值或上一次迭代的模型参数来计算出隐性变量的后验概 率，其实就是隐性变量的期望，作为隐藏变量的现估计值； M步将似然函数最大化以获得新的参数值。

  3. 所属分类：讲义

    • 发布日期：2015-08-26
    • 文件大小：292864
    • 提供者：u012506558

  1. EM算法 代码和思想简介

  2. EM算法,对EM算法的一个介绍，可能会对大家有用，包括其基本思想和简介

  3. 所属分类：其它

    • 发布日期：2009-04-20
    • 文件大小：5120
    • 提供者：liuqingsong0003

  1. 期望最大化算法整理（EM）

  2. 文章的目录 一、最大期望算法简介 二、相关知识 2.1贝叶斯 2.2最大似然估计 2.3Jensen不等式 2.4高斯分布 三、EM算法 3.1实例理解 3.2EM算法求解步骤 3.3EM算法推导 3.4EM算法_python

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-18
    • 文件大小：2097152
    • 提供者：l_jc11111

  1. 【最新】2018面向工程师的最佳【统计机器学习】课程课件、作业、视频链接

  2. 美国圣母大学2017年新开课程《给科学家和工程师的统计学习》Statistical Computing for Scientists and Engineers 涵盖了统计学习中的几乎所有重要知识，包括《概率与统计、信息论、多维高斯分布、最大后验估计、贝叶斯统计、指数族分布、贝叶斯线性回归、蒙特卡洛方法、重要性采样、吉布斯采样、状态空间模型、EM算法、主成分分析、连续隐变量模型、核方法与高斯过程等》，并提供视频，PPT，课程作业及其参考答案与代码，还有大量参考学习资源，是不可多得的统计学习课程

  3. 所属分类：机器学习

    • 发布日期：2018-01-14
    • 文件大小：269
    • 提供者：zhuf14

  1. EM算法简介及示例分析

  2. EM算法是⼀种迭代算法，⽤于含有隐变量的概率模型参数的极⼤似然估计，或者极⼤后验概率估计。 EM 算法的⼀个⽰例： 假设学校所有学⽣中，男⽣⾝⾼服从正态分布 ，⼥⽣⾝⾼服从正态分布。现在随机抽取200名学⽣的⾝⾼ ，求参数的估计......

  3. 所属分类：讲义

    • 发布日期：2018-11-21
    • 文件大小：1048576
    • 提供者：weixin_42274540

  1. 多移动机器人编队的分布式控制系统.pdf

  2. 多移动机器人编队的分布式控制系统pdf,多移动机器人编队的分布式控制系统第22卷第6期 堇胜龙等:多移动机器人编队的分布式控制系统 435 速度和转向角速度(V,0)作为控制变量 3系统描述 吕.1系统结构 整个系统结构分为三部分:行为分解,控制变量求解和控制实现.在行为分解环节中,机器 人根据当前的环境信息和任务性质,将仟务行为分解为若干个可相平行的子行为,同时为每个 子行为赋予柑应的重要性(权值)W;这里的环境信息包括声纳信息、视觉信息、友札的通讯信 息等.控制变量求解环节根据机器人的运动模

  3. 所属分类：其它

    • 发布日期：2019-10-11
    • 文件大小：390144
    • 提供者：weixin_38743481

  1. EM算法简介

  3. 所属分类：讲义

    • 发布日期：2016-04-24
    • 文件大小：611328
    • 提供者：wangyufei_360

  1. 贝叶斯机器学习：有关贝叶斯机器学习方法的笔记本-源码

  2. 贝叶斯机器学习笔记本 该存储库是有关贝叶斯机器学习的笔记本的集合。 以下链接通过显示了一些笔记本，以确保正确呈现公式。 依赖关系在子目录中的requirements.txt文件中指定。 。 贝叶斯线性回归简介。 用普通的NumPy和scikit-learn实现。 另请参见。 。 高斯回归过程简介。 用普通的NumPy / SciPy以及scikit-learn和GPy实现。 。 高斯分类过程简介。 用普通的NumPy / SciPy以及scikit-learn实现。 。 使用变分方法介

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：22020096
    • 提供者：weixin_42165508