搜索资源列表
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
kde.tar
- kde全称是kernel density estimation.基于核函数的概率密度估计方法。是模式识别中常用的算法之一-KDE which is kernel density estimation is used to estimate probabilty function. It is mostly used in pattern recogntion
kde2d
- 二维核密度估计算法.以及最优化计算核宽度。-bivarite kernel estimation
Mean-shift-research-and-applications
- ：对均值漂移算法的理论和应用作一全面的综述．首先根据密度函数的非参数估计推导出均值漂移公式的一 般形式，说明了均值漂移迭代算法的步骤及收敛性；然后重点讨论核函数的选择以及带宽矩阵的计算等关键技术；最 后归纳了均值漂移算法在模式检测、聚类、图像分割以及物体实时跟踪等方面的应用，并展望了均值漂移算法在理论和应用中的研究方向．-Clustering thesis
Seg_By_MeanShift
- 均值漂移Mean Shift算法是一种基于核密度估计的处理方法，被广泛用于图像降噪，分割和目标跟踪中，本代码是图像分割实现。-Mean Shift algorithm is a kernel density estimation based approach is widely used for image noise reduction, segmentation and target tracking, the code is to achieve image segmentation.
A1rard
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模 -Adaptive kernel density estimation motion det
kde_bg_v1.0
- 基于核密度估计的背景减法算法，拥有命令行界面的C++源代码。-kernel density estimation based background subtraction algorithm [1] with a command line interface. this algorithm is a somewhat improved version of [2]. the kmovingobjdetector class within the project is originally w
m10
- 背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中，对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求，针对这一问题，提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值，提出了一种自适应阈值分类方法，它将像素点快速分类为前景点、背景点及可疑点，再利用核密度估计方法对可疑点进行进一步分类，最后利用背景更新算法提取实时背景图像。实验结果证明，该算法能快速有效地区分特征明显的背景点与前景点，提高了背景图像提取的速
m12
- 针对核密度估计背景建模方法运算量大难以实时应用的问题，提出了一种基于背景直方图分布的快速核密度估计背景建模方法。选用三角核函数进行核密度估计，根据三角核带宽函数的截断效应，引入背景分布的直方图完成快速背景建模，在保证目标检测准确性的同时提高运算速度。测试实验结果验证了算法能够满足监控系统的实时性要求。-For kernel density estimation is difficult to satisfy real-time applications because of large amou
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
kde
- 核概率密度估计算法，对于以往的有优化，可以得到概率密度及分布函数。-Nuclear probability density estimation algorithm optimized for the past there, you can get the probability density and distribution functions.
hieararchical-clustering
- 基于核密度估计的层次聚类算法 -hierarchcial clustering with kernel density estimation
EM
- 基于非参数核密度估计的EM算法，对行人图像进行检测。内附红外行人图像。-EM based on non-parametric kernel estimation. Pedestrian detection. With images inside.
KDE
- 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
yrfdtvzk
- ICA（主分量分析）算法和程序，在matlab R2009b调试通过，自己编的5种调制信号，是本科毕设的题目，最小均方误差（MMSE）的算法，采用热核构造权重，已调制信号计算其普相关密度，利用贝叶斯原理估计混合logit模型的参数。- ICA (Principal Component Analysis) algorithm and procedures, In matlab R2009b debugging through, Own five modulation signal, The tit
kde
- 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
matlab-kde2d
- matlab下的二维核密度估计算法， 自动计算窗宽，测试过好用-Matlab under the two-dimensional nuclear density estimation algorithm, automatic calculation of window width, tested too easy to use
盲源分离
- 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
@kde
- 计算核密度估计算法实现，可延伸扩展加入自己的想法，便于编程和调用。(you can use it to calculate kernel density estimate and compute about problem.)
meanshift
- meanshift算法属于核密度估计法，不需要任何先验知识而完全依靠特征空间中样本点的计算其密度函数值。.