搜索资源列表
-
5下载：
EM算法Matlab实现。最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）-EM algorithm by Matlab. Maximum expected (EM) algorithm is probabilistic (probabilistic) model to find maximum likelihood parameter estimation or m
-
-
1下载：
该程序源码中包括了各种典型分布的二维数据的自动生成，二维概率密度函数的极大似然估计和窗函数估计，bayes分类器的设计和分类器错误率的多种方法估计-The program includes a variety of typical source distribution of the automatic generation of two-dimensional data, two-dimensional probability density function of the maximum l
-
-
0下载：
Naive bayes classifer的具体实现，使用多模态事件模型表示，提供EM算法用于半监督和无监督学习，最大似然估计用于有监督学习-The Naive bayes classifer implementation, using a multi-modal event model EM algorithm for semi-supervised and unsupervised learning, maximum likelihood estimation for supervised
-
-
1下载：
增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average
-
-
0下载：
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
-
-
0下载：
EM算法，统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。程序用C++实现，注释写得很清晰-Expectation-maximization algorithm，based on Maximum Likelihood Estimation,C++ program
-
-
0下载：
使用最大期望算法可以在概率模型中寻找参数最大似然估计。-Using the maximum expected algorithm can seek parameters of maximum likelihood estimation in the probabilistic model
-
-
0下载：
EM算法是在概率模型中寻找参数的最大拟然估计或最大后验估计的迭代算法-EM algorithm is looking for parameters in the probability model of maximum quasi likelihood estimation or maximum a posteriori estimate of the iterative algorithm
-
-
0下载：
系统辨识最小二乘法
梯度校正参数估计法
极大似然参数估计法
多变量系统参数估计-System Identification Least Square Method
Gradient Correction Parameter Estimation
Maximum Likelihood Parameter Estimation
Multivariable System Parameter Estimation
-
-
0下载：
1. 以身高为例，画出男女生身高的直方图并做对比；
2. 采用最大似然估计方法，求男女生身高以及体重分布的参数；
3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（注明自己选定的参数情况）；
4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. Take the height as an example, draw the histogram of the height of boys a
-
