搜索资源列表
KL变换
- KL变换模式识别作业三 一、编程要求： 编程实现KL变换，并对TM六波段图像进行演算。 KL变换的思想是：从n维特征选取m维特征，删去的n-m维特征不一定就是无用的信息，如何在信息损失最小的情况下选取特征，在理论上就显得更严密些。通常采用正交变换，得到新的经变换的模式， 以保证信息损失最小情况下获得有利于分类的特征。 二、编程思想： 将6副图象依次输入获得灰度值存在一个6*size(size为一副图象的像素数)的二维数组中，计算每个波段的灰度均值，然后计算协方差矩阵，得出特征值
BMDCP
- 突变分为如下主要的几种：均值突变（最常见）、方差突变、线性回归突变（也称趋势突变）、概率突变、空间型突变、谱突变、模型参数突变，等等。贝叶斯突变检测属于概率突变检测方法，其特点是能给出突变点的概率分布图。-Mutations are divided into the following main categories: the mean mutation (the most common), variance mutation, linear regression mutation (also
KMEANS
- k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类
K_means
- k-means算法是根据聚类中的均值进行聚类划分的聚类算法。 输入：聚类个数k，以及包含n个数据对象的数据。 输出：满足方差最小标准的k个聚类。
Q1
- 2类分类高斯模型 每个类是由一个单一的多元高斯分布的3-D建模 显示如何估计高斯均值向量和协方差矩阵的最大似然（ML）估计的基础上为每个类。 meanA和meanB代表每个类的均值，varA和varB的的代表每个类的协方差矩阵.-2-class classifier with Gaussian Models Each class is modelled by a single 3-D multivariate Gaussian distribution Show
machine-learning_PCA
- 环境为winpython 32bit 2.7.5.3 p = PCA() print u"均值化后的数据集为：",p.dataset( H:\\PCA_test.txt ) print u"协方差矩阵为：",p.COV() print u"特征向量为：",p.eig_vector()[1] tt = p.pc(dim=1) print "tt:",tt print u"新的维度数据集",tt[1]- """ Principal c
mrMeanMapper
- 机器学习算法，分布式均值和方差计算的mapper，用于hadoop流-Machine learning algorithms, mapper distributed computing the mean and variance for hadoop streaming
covcalculator
- 局部Log.Euclidean协方差矩阵描述子 L2ECM SPD矩阵的空间并不是一个向量空间,而是一个黎曼流形。因此,传统 欧氏空间内的运算 例如欧氏距离、均值-Local Log-Euclidean Covariance Matrix (L2ECM) Local Log-Euclidean Covariance Matrix (L2ECM) to represent neighboring image properties by capturing cor- relation of vari
covs
- 局部Log.Euclidean协方差矩阵描述子 L2ECM SPD矩阵的空间并不是一个向量空间,而是一个黎曼流形。因此,传统 欧氏空间内的运算 例如欧氏距离、均值- Local Log-Euclidean Covariance Matrix (L2ECM) to represent neighboring image properties by capturing cor- relation of various image
24541189
- 用VB实现的数据的统计描述 包括分布的矩---均值,平均差,标准差,方差和中位数的搜索,均值与方差的显著性检验等()
346011
- 用VB实现的数据的统计描述 包括分布的矩---均值,平均差,标准差,方差和中位数的搜索,均值与方差的显著性检验等()
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate