当前位置：
首页 资源下载
搜索资源 - Kernel Density Estimation
搜索资源列表
-
0下载：
详细介绍MCL算法，是由Sebastian Thrun a, Dieter Fox, Wolfram Burgard, Frank Dellaert所著的论文，发表于Artificial Intelligence上。-Mobile robot localization is the problem of determining a robot’s pose from sensor data. This
article presents a family of probabilistic lo
-
-
0下载：
机器学习matlab源代码，包括多分类SVM，模式识别，特征选择，回归等算法。-The spider is intended to be a complete object orientated environment for machine learning in Matlab. Aside from easy use of base learning algorithms, algorithms can be plugged together and can be compared with
-
-
0下载：
Kernel density based probability estimation and filtering for a signalProa
-
-
0下载：
Matlab implementation of the Kernel Density estimation for 2D array/matrix
-
-
0下载：
三维核密度估计法的设计与实现，需要的请自行下载-Design and implementation of a three-dimensional kernel density estimation method, please download their own needs
-
-
0下载：
基于核密度估计的层次聚类算法 -hierarchcial clustering with kernel density estimation
-
-
0下载：
KDE 核密度估计算法 运动目标检测算法之一 只进行了第一阶段的运算 具体看原论文-One of the algorithms of moving object detection algorithm was only the first stage of the operation of the specific look of the original paper of kernel density estimation
-
-
2下载：
核密度估计的Python源代码,用于核方法估计-Kernel Density Estimation
-
-
1下载：
用非参数估计的方法（核密度估计）来估计互信息-Nonparametric estimation method (kernel density estimation) to estimate the mutual information
-
-
0下载：
kernel density estimation based on fast marching method
-
-
0下载：
核函数估计(一元，高斯核函数)，包括带宽优化-kernel density estimation (KDE) is a non-parametric way to estimate the probability density function of a random variable.
-
-
0下载：
核密度估计,matlabkernel density estimation是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。-kernel density estimation
-
-
0下载：
二维高斯核函数重构
重构方法不依赖于参数化模型-2D Gaussian Kernel Reconstruction
fast and accurate state-of-the-art
bivariate kernel density estimator
with diagonal bandwidth matrix.
The kernel is assumed to be Gaussian.
The two bandwidth parameter
-
-
0下载：
用KDE和密度估计方法实现行人检测，该方法亲测有效.-Pedestrian detection using KDE kernel density estimation.
The method is effective.
-
-
2下载：
二维核密度估计，可以实现二维或多维的和密度估计函数-Two-dimensional kernel density estimation, can be achieved two-dimensional or multidimensional and density estimation function
-
-
0下载：
通过高斯核密度估计计算多元变量之间的互信息熵-The mutual information entropy between multivariate variables is calculated by Gaussian kernel density estimation
-
-
0下载：
常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化（
Infomax
）以及独
立成分分析（
ICA
）等。这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关，
一旦假设的概率密度与实际信号的密度函数相差甚远，分离性能将大大降低。本文提出采用
核函数密度估计的方法进行任意信号源的盲分离，并通过典型算例与几种盲分离算法进行了
性能比较，验证了方法的可行性。(The commonly used blind separation algorithms include
-
-
1下载：
用于计算样本数据的非参数核密度估计，代码简单易懂。(Nonparametric kernel density estimation)
-
-
0下载：
Fault detection in a simple process using PCA and Kernel Density Estimation
-
-
4下载：
波动率曲面matlab实现，可应用于期权市场上的任意期权。(The function VolSurface.m will then:
- compute and output the Black-Scholes implied volatility (this will be a matrix).
- get and plot the corresponding volatility surface using a kernel (Gaussian) density estimation.)
-
