搜索资源列表
CentralizedSystem
- 对集中式信息融合系统进行仿真，画出贝叶斯风险-先验概率的变化曲线-Simulation of the centralized information fusion system, drawing the Bayesian risk- a priori probability curve
puisao
- 包含位置式PID算法、积分分离式PID，使用高阶累积量对MPSK信号进行调制识别，从先验概率中采样，计算权重，MIMO OFDM matlab仿真,基于互功率谱的时延估计，利用贝叶斯原理估计混合logit模型的参数。 - It contains positional PID algorithm, integral separate PID, Using high-order cumulants of MPSK signal modulation recognition, Sampling
qeigen
- 供做算法研究人员参考，IMC-PID是利用内模控制原理来对PID参数进行计算，自己编的5种调制信号，采用了小波去噪的思想，包括 MUSIC算法，ESPRIT算法 ROOT-MUSIC算法，从先验概率中采样，计算权重，多元数据分析的主分量分析投影，包括主成分分析、因子分析、贝叶斯分析。 - Algorithm for researchers to do reference, The IMC- PID is using the internal model control principle f
sanpen
- 包含位置式PID算法、积分分离式PID，使用高阶累积量对MPSK信号进行调制识别，从先验概率中采样，计算权重，MIMO OFDM matlab仿真,基于互功率谱的时延估计，利用贝叶斯原理估计混合logit模型的参数。 - It contains positional PID algorithm, integral separate PID, Using high-order cumulants of MPSK signal modulation recognition, Sampling
seihao_v24
- 包括随机梯度算法，相对梯度算法，单径或多径瑞利衰落信道仿真，包括回归分析和概率统计，包括主成分分析、因子分析、贝叶斯分析，包含优化类的几个简单示例程序，Relief计算分类权重，用MATLAB实现的压缩传感。 - Including stochastic gradient algorithm, the relative gradient algorithm, Single path or multipath Rayleigh fading channel simulation, Includ
bayes_classifier
- 贝叶斯分类器是一种基于概率误差最小的优化设计分类器。该源码带注释，更方便新手入门。 -bayes classifier
Naive-Bayes
- 朴素贝叶斯的matlab代码，概率分类模型。-MATLAB code for Naive Bayes model, a probability classification algorithm.
fitting-model
- 要对单变量正态分布以及分类分布两种概率分布 模型，分别采用最大似然（ML），最大后验（MAP）以及贝叶斯估计（Bayes）的 方法进行概率密度估计。 -In this paper, the maximum likelihood (ML), maximum a posteriori (MAP) and Bayesian estimation (Bayes) methods are used to estimate the probability density of two kinds of pr
bayes
- 贝叶斯分类器，通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。-Bias classifier, by a priori probability of an object, using the Bias formula to calculate the posterior probability, the probability that the object belongs to a certain category,
ting-V7.2
- 包含光伏电池模块、MPPT模块、BOOST模块、逆变模块，包括主成分分析、因子分析、贝叶斯分析，从先验概率中采样，计算权重。- PV modules contain, MPPT module, BOOST module, inverter module, Including principal component analysis, factor analysis, Bayesian analysis, Sampling a priori probability, calculate the
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
指纹定位算法仿真代码
- 定位指纹，室内，算法，欧式距离，最大后验概率，贝叶斯，加权贝叶斯，等(Location, fingerprint, interior, algorithm, Euclidean distance, maximum posterior probability, Bayes, weighted Bayes, etc.)
bayes1111
- 贝叶斯进行样本估计分析 验概率判决曲线 进行数据判断(Bias performs sample estimation analysis and a posteriori probability decision curve)
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
少发故障的寿命分布拟合
- 首先是针对无或单失效数据情形下，通过多层贝叶斯估计法得到失效概率过后，给出了寿命分布参数的加权最小二乘估计。然后如果失效数据不止一个，使用乘积限估计法来得到失效概率的估计值。(Firstly, the weighted least squares estimation of the life distribution parameters is given by the multi-layer Bayesian estimation method after the failure probab
SB2_Initialisation
- 基于稀疏贝叶斯学习算法预测理论，利用稀疏贝叶斯的进行概率预测(Sparse bayesian learning)
Bayesian learning
- 贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法(Bayes classification algorithm is a classification method of statistics, which is a classification algorithm using probability statistics)
PNN
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe
深入浅出数据分析.pdf
- 《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现《深入浅出数据分析》目标知识以外，为读者搭建了走向下一步深入研究的桥梁。 《深入浅出数据分析》构思跌宕起伏，行文妙趣横生，无论读者是职场老手，还是业界新人；无论是字
BayesKit
- 贝叶斯网络，又称信念网络(Belief Network, BN), 或有向无环图模型，是由一个有向无环图(DAG,Directed acyclic graphical model)和条件概率分布(即知道P(xi|parent(xi))发生的概率构成，其中parent(xi)为指向xi的直接父节点)。它是一种模拟人类推理过程中因果关系的不确定性处理模型，其网络拓朴结构是一个有向无环图(DAG)。(Bayesian networks, also known as belief networks (B