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. 一种基于贪心EM算法学习GMM的聚类算法.pdf

  2. 传统的聚类算法如k - m eans算法需要一些先验知识来确定初始参数,初始参数的选择通常会对聚类结果生产很大的 影响。提出一种新的基于模型的聚类算法,通过优化给定的数据和数学模型之间的适应性发现数据对模型的最好匹配。

  3. 所属分类：其它

    • 发布日期：2009-11-16
    • 文件大小：594944
    • 提供者：lxf310

  1. 很详细的EM算法，GMM，HMM训练用

  2. 详细介绍了训练hmm和gmm的EM算法，以及其应用，对利用这些模型的朋友，想了解此算法的最好的资料。

  3. 所属分类：其它

    • 发布日期：2010-01-22
    • 文件大小：295936
    • 提供者：guow043

  1. pattern recognition and machine learning(Bishop)

  2. 一本非常牛的书。本书以贝叶斯理论为基础，将神经网络、核方法、boost算法、K均值聚类、EM和GMM模型等许多理论归结到贝叶斯理论框架中，是一本模式识别方面难得一见的好书。

  3. 所属分类：网络基础

    • 发布日期：2010-12-11
    • 文件大小：8388608
    • 提供者：jimmyxiang

  1. 基于EM参数估计的GMM模型建模

  2. 高斯混合模型是有效的描述数据集合分布的手段，高斯混合模型中各个单高斯模型的均值、方差和权重的估计，实际上是样本空间下的参数估计问题。参数估计的方法有很多，相比较而言，EM算法是MLE（Maximum Likelihood Estimation）原理下的针对不完备数据集合的回归分析算法，它是由E步和M步迭代循环，直至误差小于给定门限为止。因此本文采用了一种基于EM方法的高斯混合模型参数估计的方法对运动人体姿态进行建模，可以较准确的对模型进行参数估计。对典型姿态建模之后还可以解决对姿态的识别问题。

  3. 所属分类：其它

    • 发布日期：2010-12-30
    • 文件大小：427008
    • 提供者：smily0725

  1. 高斯混合模型 EM 算法

  2. GMM只是一个数学模型，只是对数据形态的拟和，但是和你所看到的数据分布存在出入也是正常的，因为用EM估计GMM的那些参数时，一般假设我们所得到的数据是不完备的（也就是说假设我们看到的数据分布不是真正的分布，它在运算时把那部分丢失或者叫隐藏的数据“补”上了）

  3. 所属分类：其它

    • 发布日期：2012-09-08
    • 文件大小：11264
    • 提供者：yu992324

  1. 基于高斯溷合模型的EM学习算法

  2. 本文研究了一类基于无监督聚类学习的算法——E M算法的算法实现． E M算法通常用于存在 隐含变量时的聚类学习， 由于引入了隐含变量， 导致算法难以保证收敛和达到极优值． 本文通过将该算 法应用于高斯混合模型的学习， 引入重叠度分析的方法改进 E M算法的约束条件， 从而能够确保 E M算 法的正确学习．

  3. 所属分类：专业指导

    • 发布日期：2013-06-23
    • 文件大小：162816
    • 提供者：u011173100

  1. EM迭代高斯混合模型算法

  2. 高斯混合模型（GMM）可以平滑任意形状的概率分布。其参数求解方法一般使用极大似然估计求解，但使用极大似然估计法往往不能获得完整数据（比如样本已知，但样本类别（属于哪个高斯分布）未知），于是出现了EM（最大期望值）求解方法。 虽然上面说的简单，但是混合高斯模型和EM求解的理论还是比较复杂的，我把我所找到的我认为能够快速掌握高斯混合模型的资料打包到了附件中，大家可以去下载，了解混合高斯模型以及EM的完整推导过程。

  3. 所属分类：其它

    • 发布日期：2013-12-24
    • 文件大小：133120
    • 提供者：u013268017

  1. 语音识别GMM模型

  2. 语音识别GMM算法（含部分注释），提供了MFCC提取和EM算法的完整代码

  3. 所属分类：C

    • 发布日期：2014-10-05
    • 文件大小：4194304
    • 提供者：sl7814055

  1. 高斯混合模型

  2. 有关GMM建模和EM算法的详细描述，PPT的讲述非常详细

  3. 所属分类：讲义

    • 发布日期：2015-10-06
    • 文件大小：652288
    • 提供者：u012258898

  1. GMM高斯模型以及EM算法的介绍

  2. 关于GMM和EM的一些推导过程，以及如何在GMM运用EM

  3. 所属分类：讲义

    • 发布日期：2016-11-11
    • 文件大小：647168
    • 提供者：cwm1234567

  1. MIT混合高斯模型EM算法

  2. MIT讲义，关于混合高斯模型和EM算法，讲解很到位，适合学习

  3. 所属分类：讲义

    • 发布日期：2017-04-05
    • 文件大小：373760
    • 提供者：u014671927

  1. A General Tutorial of the EM Algorithm and its Application to Parameter Estimation for Gaussian Mixture and Hidden Marko

  2. 对于基本EM算法以及此算法在高斯混合模型和隐马尔科夫模型中的应用，都作了详细的介绍，是在模式识别领域对于EM算法的经典论文！

  3. 所属分类：其它

    • 发布日期：2008-12-15
    • 文件大小：264192
    • 提供者：yp2008gf

  1. EM算法求解混合高斯模型（GMM）

  2. 所谓混合高斯模型（GMM）就是指对样本的概率密度分布进行估计，而估计采用的模型（训练模型）是几个高斯模型的加权和（具体是几个要在模型训练前建立好）。每个高斯模型就代表了一个类（一个Cluster）。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类所为判决结果。

  3. 所属分类：Python

    • 发布日期：2018-10-02
    • 文件大小：7168
    • 提供者：qq_24803925

  1. GMM模型和EM算法

  2. GMM模型和EM算法 高斯混合模型GMM 上图的分布很难用一个高斯分布进行模拟。观察上图，大致可以看见6个分布。将6个高斯分布线性加到一起就组成了能描述上图的高斯混合分布。 混高斯合分布的概率密度函数如下： p(x∣θ)=∑j=1Kp(x,z=j∣θ)=p(z=j∣θ)p(x∣z=j,θ)=∑j=1KπjN(x;μj,Σj)其中:p(z=j∣θ)=πj;p(x∣z=j,θ)=N(x;μj,Σj)θ≡{πj,μj,Σj;j=1,2,…,K};j=1,2,…,K \begin{array}{l}p

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：95232
    • 提供者：weixin_38715097

  1. EM算法和GMM算法到底是个怎么回事？（十连问）

  2. 文章目录0.前言1.E-M在解决什么问题？（一句话概括EM）2.E-M是一种模型么？3.E-step和M-step分别指的是什么？4.E-M的优化目标是什么？5.E-M收敛么，为什么？6.怎么理解隐变量，对任意模型都可以引入隐变量么？（隐变量的合理性）7.如何理解GMM中的隐变量8.怎么理解GMM和E-M之间的关系？9.GMM可以做什么事情？10.GMM和K-means之间有什么联系？参考文献源码 0.前言 看过很多博客“详解EM和GMM算法”这之类的，也看过李航《统计学基础》上的EM和GMM,

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：192512
    • 提供者：weixin_38670531

  1. ComputerVision_CCU2019-源码

  2. ComputerVision_CCU2019 CCU_2019_秋季计算机视觉课作业 Hw1 PCA和本征面 通过使用特征脸练习PCA和脸部识别 Hw2 GMM和EM算法 使用高斯混合模型对狗图像进行图像分割

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：2097152
    • 提供者：weixin_42131633

  1. GMM-Optim:将EM算法用于多类高斯混合模型，并使用optimtool进一步优化-源码

  2. GMM优化 期望最大化（EM）算法是找到一组统计参数（即高斯数据集的均值和方差）的局部最大似然估计的好方法。 该项目展示了如何为多维，多维高斯数据实现EM算法，以及如何使用MATLAB的优化工具箱进一步完善MLE估计器。 笔记 GMM.m是主要的.m文件。 用户定义数据集的真实均值，方差和比例，然后在GaussianNormalDist.m中随机生成。 负对数可能性目标函数是通过GMM_negloglik.m计算的。 在获得EM估计值之后， optimtool将使用Nelder-Mead / S

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：128000
    • 提供者：weixin_42132598

  1. 使用高斯混合模型和EM进行水下浮标检测：使用高斯混合模型和期望最大化算法检测水下浮标-源码

  2. ENPM-673-项目3 使用GMM分割不同颜色的浮标Python版本：3.x 所需包装： 麻木 openCV mathplotlib 操作系统 数学 要运行代码： 1.）在当前目录中运行包含所有代码的python文件。 为了获得更多信息，请访问下面的GitHub链接： :

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：9437184
    • 提供者：weixin_42131352

  1. 高斯混合模型（GMM）和EM算法详解

  2. 小白一枚，接触到GMM和EM，现将学习到的整理出来，如有错误，欢迎指正，文中涉及到公式的推导比较繁琐，故先在纸上推导出来再拍照发出来。希望大家多多交流，共同进步。接下来将按照思路一步一步进行介绍。 1. 单高斯模型GSM（一维） 单高斯模型很简单，大家也很清楚，这里不做过多的解释，如不明白可自行百度。如图 概率密度函数为： 2.单高斯模型（多维，以二维为例） 二维高斯分布图像如下 关于二维高斯分布的参数设定对为高斯曲面的影响，可以参考这篇文章（二维高斯分布的参数分析） （以上两条是基础

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：1048576
    • 提供者：weixin_38592256

  1. 一种基于GMM-EM的非平衡数据的概率增强算法

  2. 非平衡数据的分类问题是机器学习领域的一个重要研究课题.在一个非平衡数据里,少数类的训练样本明显少于多数类,导致分类结果往往偏向多数类.针对非平衡数据分类问题,提出一种基于高斯混合模型-均值最大化方法(GMM-EM)的概率增强算法.首先,通过高斯混合模型(GMM)与均值最大化算法(EM)建立少数类数据的概率密度函数;其次,根据高概率密度的样本生成新样本的能力比低概率密度的样本更强的性质,建立一种基于少数类样本密度函数的过采样算法,该算法保证少数类数据集在平衡前后的概率分布的一致性,从数据集的统计性

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：327680
    • 提供者：weixin_38712279
« 12 »