没有合适的资源？快使用搜索试试~
我知道了~
文库首页
开发技术
其它
EM算法混合高斯模型
EM算法混合高斯模型
共2个文件
m：2个
EM算法
混合高斯模型
5星
· 超过95%的资源
需积分: 15
91 下载量
110 浏览量
2012-04-08
23:59:55
上传
评论
收藏
954B
RAR
举报
温馨提示
立即下载
EM算法解决混合高斯模型问题。两个文件，一个是产生混合高斯数据，另一个是EM算法对混合高斯参数的估计
资源推荐
资源详情
资源评论
基于python的高斯混合模型（GMM 聚类）的 EM 算法实现
浏览：46
5星 · 资源好评率100%
基于python的高斯混合模型（GMM 聚类）的 EM 算法实现
EM算法用于混合高斯模型的参数估计
浏览：182
EM算法用于混合高斯模型的参数估计的原理与算法实现（matlab）；源码实现包括EM算法用于K均值问题的参数估计和EM算法用于混合高斯模型参数估计。
EM算法用于高斯混合模型
浏览：133
4星 · 用户满意度95%
EM算法用于高斯混合模型，EM算法用于高斯混合模型，EM算法用于高斯混合模型
em算法 高斯混合模型
浏览：129
5星 · 资源好评率100%
一个利用em算法，求解高斯混合模型的聚类源程序！
EM算法进行高斯混合模型聚类
浏览：48
4星 · 用户满意度95%
用em算法估计高斯混合模型的参数，实现对N维数据的聚类
混合高斯模型的EM算法
浏览：166
5星 · 资源好评率100%
台湾的一篇关于混合高斯模型的EM算法介绍，写得非常浅显易懂
EM算法与混合高斯模型1
浏览：184
是第 个高斯分布的权重，也可以视为选择第 个高斯分布的概率，并且满足所以，混合高斯模型并不是什么新奇的东西，它的本质就是融合几个单高斯模型，来使得模型更加复杂，
EM算法求解混合高斯模型（GMM）
浏览：55
所谓混合高斯模型（GMM）就是指对样本的概率密度分布进行估计，而估计采用的模型（训练模型）是几个高斯模型的加权和（具体是几个要在模型训练前建立好）。每个高斯模型就代表了一个类（一个Cluster）。对样本中的数据分别在几个高斯模型上投影，就会分别得到在各个类上的概率。然后我们可以选取概率最大的类所为判决结果。
高斯混合模型 EM 算法
浏览：174
GMM只是一个数学模型，只是对数据形态的拟和，但是和你所看到的数据分布存在出入也是正常的，因为用EM估计GMM的那些参数时，一般假设我们所得到的数据是不完备的（也就是说假设我们看到的数据分布不是真正的分布，它在运算时把那部分丢失或者叫隐藏的数据“补”上了）
混合高斯模型GMM EM算法
浏览：30
5星 · 资源好评率100%
混合高斯模型GMM，背景/前景提取，有详细的EM算法推导过程，GMM源代码（C++，opencv）付注解，有关GMM的相关论文两篇
EM解决混合高斯模型 Matlab实现
浏览：98
5星 · 资源好评率100%
Matlab实现EM算法，用于解决混合高斯模型， 包含用混合高斯模型生成测试数据的代码，包含二维图像生成代码，模式随机选取初值 和 用kmeans方法选取初值两种方式
EM算法混合高斯模型应用的matalb代码
浏览：5
EM算法混合高斯模型应用的matalb代码，代码有详细注释。
高斯混合模型EM算法
浏览：4
5星 · 资源好评率100%
高斯混合模型EM算法，通过EM算法来进行高斯混合模型的参数估计。
EM算法求解高斯混合模型
浏览：78
5星 · 资源好评率100%
实际生活中的样本很多是无标签的我这些样本含有隐变量或者潜在变量。如果概率模型的变量都可以被观测到，那么可以直接使用极大似然法估计模型参数。但是当模型中含有隐变量的时候。就不能简单的使用这些估计方法。EM算法就是含有隐变量的概率模型参数估计的极大似然法。 实际生活中的样本很多是无标签的我这些样本含有隐变量或者潜在变量。如果概率模型的变量都可以被观测到，那么可以直接使用极大似然法估计模型参数。但是当模
MIT混合高斯模型EM算法
浏览：140
MIT讲义，关于混合高斯模型和EM算法，讲解很到位，适合学习
EM迭代高斯混合模型算法
浏览：94
高斯混合模型（GMM）可以平滑任意形状的概率分布。其参数求解方法一般使用极大似然估计求解，但使用极大似然估计法往往不能获得完整数据（比如样本已知，但样本类别（属于哪个高斯分布）未知），于是出现了EM（最大期望值）求解方法。 虽然上面说的简单，但是混合高斯模型和EM求解的理论还是比较复杂的，我把我所找到的我认为能够快速掌握高斯混合模型的资料打包到了附件中，大家可以去下载，了解混合高斯模型以及EM的完
EM算法求解高斯混合模型1
浏览：150
EM算法求解高斯混合模型1
高斯和EM算法
浏览：115
高斯和EM算法，主要讲解高斯分布和EM预测算法
高斯混合模型及EM算法
浏览：47
讲解的最透彻的高斯混合模型及EM算法，从EM算法的推导到在GMM参数估计中的应用方法，有助于理解GMM及EM估计方法
36fa1709_EM_高斯混合模型_
浏览：171
高斯混合模型em算法的matlab实现代码
(7)混合高斯模型和EM算法1
浏览：102
(7)混合高斯模型和EM算法1
7概率图模型2-EM算法1
浏览：95
引入则右边) ≤) =) =) −显然又:, θ, θ)) ≤ 0因此，, θ) ≥, θ) ≤广义的EM算法根据其中：EM思想: 固定, 计算后验，然后通过极
最大熵模型与EM算法
浏览：25
最大熵模型与EM算法
GMM模型和EM算法
浏览：49
GMM模型和EM算法 高斯混合模型GMM 上图的分布很难用一个高斯分布进行模拟。观察上图，大致可以看见6个分布。将6个高斯分布线性加到一起就组成了能描述上图的高斯混合分布。 混高斯合分布的概率密度函数如下： p(x∣θ)=∑j=1Kp(x,z=j∣θ)=p(z=j∣θ)p(x∣z=j,θ)=∑j=1KπjN(x;μj,Σj)其中:p(z=j∣θ)=πj;p(x∣z=j,θ)=N(x;μj,Σj)
Qt 5实现串口调试助手 （源工程文件、0积分下载）
浏览：30
5星 · 资源好评率100%
基于Qt 5实现串口调试助手，程序仅供参考，修改了之前十六进制接收0xA0--0xFF有误的问题，新增了窗口自适应（ui文件设置栅格），文件详情可看博客链接https://blog.csdn.net/m0_51294753/article/details/121405661。
【SystemVerilog】路科验证V2学习笔记（全600页）.pdf
浏览：196
5星 · 资源好评率100%
SystemVerilog的听课学习笔记，包括讲义截取、知识点记录、注意事项等细节的标注。 目录如下： 第一章 SV环境构建常识 1 1.1 数据类型 1 四、二值逻辑 4 定宽数组 9 foreach 13 动态数组 16 队列 19 关联数组 21 枚举类型 23 字符串 25 1.2 过程块和方法 27 initial和always 30 func
AutoSAR标准协议4.2.2
浏览：52
5星 · 资源好评率100%
AutoSAR标准协议规范4.2.2，里面包含了AutoSAR组织所规定的AutoSAR架构的标准规范协议原文档。对AutoSAR的学习有一定的借鉴意义
光伏-储能并网系统仿真.rar
浏览：179
5星 · 资源好评率100%
该文件是清华大学储能课的期末大作业。用SIMULINK搭建了一个完整的光伏-储能并网系统。我的博客中介绍了系统实现的具体方法，欢迎查看！
GD32替换STM32注意事项.pdf
浏览：46
3星 · 编辑精心推荐
GD32 介绍与 STM32 兼容性汇总。STM32的代码直接在GD32上运行需要小部分的修改。按教程做对应修改就行哈。
收起资源包目录
EM.rar
（2个子文件）
EM_simulation.m
655B
EMtoMixGaussModel.m
1KB
共 2 条
1
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
zhouzhenhe2008
2013-08-05
注释得不好，好难看懂
xyz901008
2012-12-19
可以运行，很好！
xqhaha2013
2012-11-03
挺好的，调试通过，可是对初值的设定有些不理解。
xiaofeilong321
2013-07-03
是matlab程序，不是vc++程序，而且程序中都没有注解，希望作者下次注明一下！
wander1993
2018-05-28
资源意义不是很大，作为初学者可以当做入门教程
1
2
3
前往
页
MotherTerrsa
粉丝: 3
资源:
4
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
基于AndroidStudio开发的简单音乐播放器+详细注释源码.zip
stm32 GPIO点亮LED灯过程分析
基于AndroidStudio开发的简单音乐播放器+详细注释源码.zip
平时成绩汇总.zip
Kinect2相机眼在手外标定+astra奥比中光相机眼在手上标定+aubo机械臂+源码+文档（高分优秀项目）
安享智慧理财测试项目-使用数据库构造测试数据的代码
基于html实现蛋糕店网站页面源码.zip
疫情数据查看（sping boot)
c++0101生日快乐
1碳交易机制下考虑需求响应的优化运行（20）.zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
- 1
- 2
- 3
前往页