密度估计

Structured Learning和Structured SVM的学习（上）

输入X的形式是多种多样的，但在“常规”的机器学习方法中，输出Y是一个number或者一个label，比如分类、回归、分布密度估计的各种方法。而Struc
lcj_cjfykx·2015-02-10 00:00

斯坦福大学公开课 ：机器学习课程（Andrew Ng）——10、无监督学习：Mixture of Gaussians and the EM Algorithm

1）问题定义2）混合高斯模型3）EM算法这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）【即混合高斯模型中的隐含随机变量
mmc2015·2015-01-05 13:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
sruixue·2014-12-20 18:00

MeanShift算法(二)之运动目标跟踪

推导了如何利用核密度估计函数和密度梯度估计以及轮廓函数得到meanshift向量。可是有了这么一个理论总需要把它应用在某个领域里吧。那么现在就开始进入MeanShift运动目标跟踪的世界。
ZYTTAE·2014-11-27 17:00

R语言与非参数统计（核密度估计）

转载自：http://blog.csdn.net/yujunbeta/article/details/8711737核密度估计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
u013524655·2014-11-17 21:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
wenyusuran·2014-11-07 11:00

图像分割之mean shift

数据经过非参数密度估计能够得到符合数据分布的概率密度函数，而meanshift是非参数的密度梯度估计，能够对
H2008066215019910120·2014-10-31 22:00

[机器学习之SVM] 线性SVM还是非线性SVM？

SVM的应用领域很广，分类、回归、密度估计、聚类等，但我觉得最成功的还是在分类这一块。用于分类问题时，SVM可供选择的参数并不多，惩罚参数C，核函数及其参数选择。
apinetree·2014-10-01 10:54

[机器学习之SVM] 线性SVM还是非线性SVM？【转】

    SVM的应用领域很广，分类、回归、密度估计、聚类等，但我觉得最成功的还是在分类这一块。    用于分类问题时，SVM可供选择的参数并不多，惩罚参数C，核函数及其参数选择。
apinetree·2014-10-01 10:54

概率密度估计简介

1、概率密度函数在分类器设计过程中（尤其是贝叶斯分类器），需要在类的先验概率和类条件概率密度均已知的情况下，按照一定的决策规则确定判别函数和决策面。但是，在实际应用中，类条件概率密度通常是未知的。那么，当先验概率和类条件概率密度都未知或者其中之一未知的情况下，该如何来进行类别判断呢？其实，只要我们能收集到一定数量的样本，根据统计学的知识，可以从样本集来推断总体概率分布。这种估计方法，通常称之为概率
carson2005·2014-09-10 13:00

图像分割—mean shift(OpenCV源码注解)

关于meanshitf的介绍：meanshift图像分割(一): 1总体思想，2算法步骤meanshift图像分割(二): 3算法原理，4延伸meanshift图像分割(三): 5非参数密度估计不得不说
soidnhp·2014-08-09 21:00

关于SVM的一些理解

模式识别、函数逼近和概率密度估计是三类
chlele0105·2014-07-29 14:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.
likika2012·2014-07-15 15:00

混合高斯模型（Mixtures of Gaussians）和EM算法

这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     
wenyusuran·2014-06-27 18:00

2013_CVPR_BoF meets HOG Feature Extraction based on Histograms of Oriented p.d.f Gradients for Imag

的算法改进主要包括以下几个方面：1.BOF算法采用把特征映射到word上达到降维的目的，然后统计图像的word直方图，这篇文献采用计算特征的pdf（概率密度函数）的方法获得特征的表达，其中计算pdf采用KDE（核密度估计
tiandijun·2014-06-18 17:00

核密度估计简介

核密度估计又叫核函数估计。
卓尔·2014-06-13 12:00

基于MeanShift的目标跟踪算法及实现

的目标跟踪算法，首先谈谈简介，然后给出算法实现流程，最后实现了一个单目标跟踪的MeanShift算法【matlab/c两个版本】     csdn贴公式比较烦，原谅我直接截图了… 一、简介    首先扯扯无参密度估计理论
jinshengtao·2014-06-12 16:00

累积分布函数

AD：WOT2014课程推荐：实战MSA：用开源软件搭建微服务系统累积分布函数直方图和核密度估计的主要优势在于直观上的吸引力：能够告诉我们找到某个特定数据点的可能性有多大。
nkwangjie·2014-05-23 11:00

【机器学习】频率学派和贝叶斯学派

  在概率理论里，我们通常会用密度估计（DensityEstimation）来研究样本x的的概率分布问题。但是，有些人可能觉得这玩意似乎存在着不靠谱的地方。
zhuangxiaobin·2014-05-19 15:00

MeanShift知识整理

 第一个问题：无参数密度估计给定任意一组观测数据或数据采样值，估计出样本的分布。
Anymake_ren·2014-05-10 15:00

深度学习

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse
beijing20120926·2014-05-07 10:00

巴氏系数的最大化 与 Mean Shift 漂移的关系

这篇博文是上一篇博文的续篇，请先看上一篇博文多变量核密度估计与均值漂移各位看官若想知道如何计算给定图像块的核密度加权直方图，请看博文：核密度函数加权直方图的计算
zhjm07054115·2014-04-26 18:00

混合高斯模型（Mixtures of Gaussians）和EM算法

这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     
zhubo22·2014-04-25 14:00

MeanShift聚类算法

给定在d维空间上的n个数据点xi,i=1,...,n，由核函数K(x)和窗口半径h得到的多元核密度估计函数是：对于径向对称核函数，它足以确定核函数的更新，核函数k(x)满足：这里ck,d是一个归一化的常量
lming_08·2014-04-13 12:00

0. R中有用的包总结

1.sm包：用于密度图，可以画核密度估计图，比较组间差异。举例：sm.density.compare(x,factor) x:数值型向量，factor是一个分组变量。
zhouyongsdzh·2013-11-19 10:00

高斯混合模型和EM算法

使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     与k-means一样，给定的训练样本是，我们将隐含类别标签用表示。
yueyedeai·2013-11-12 20:00

opencv SVM核函数模型选择

ONE_CLASS:不需要类标号,用于支持向量的密度估计和聚类.EPSILON_SVR:-不敏感损失函数，对样本点来说，存在着一个不为目标函数提供任何损失值的区域，即-带。NU_SVR：由于EPS
Vincent乐·2013-09-26 09:08

opencv SVM核函数模型选择

ONE_CLASS:不需要类标号,用于支持向量的密度估计和聚类.EPSILON_SVR:-不敏感损失函数，对样本点来说，存在着一个不为目标函数提供任何损失值的区域，即-带。NU_SVR：由于EPS
chlele0105·2013-09-26 09:00

Deep Learning

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
android_asp·2013-08-21 17:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseD
xceman1997·2013-07-16 17:00

2013_CVPR_BoF meets HOG Feature Extraction based on Histograms of Oriented p.d.f Gradients for Image

的算法改进主要包括以下几个方面：1.BOF算法采用把特征映射到word上达到降维的目的，然后统计图像的word直方图，这篇文献采用计算特征的pdf（概率密度函数）的方法获得特征的表达，其中计算pdf采用KDE（核密度估计
love_yanhaina·2013-07-08 18:00

混合高斯模型（Mixtures of Gaussians）和EM算法

这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     
ncztc·2013-05-24 13:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN， 1.有监督学习和无监督学习 给定一组数据(input，target)为Z=(X，Y)。
·2013-04-26 10:00

样本概率密度(pdf)估计的Matlab实现%用来画网络延时数据

我们在统计数据处理时，经常计算一个样本的概率密度估计，也就是说给出一组统计数据，要求你绘制出它的概率分布曲线这个当然我们可以自己处理但是相当麻烦很幸运matlab的统计工具箱中有直接的函数就是：ksdensity
dreamtdp·2013-04-10 10:27

样本概率密度(pdf)估计的Matlab实现%用来画网络延时数据

我们在统计数据处理时，经常计算一个样本的概率密度估计，也就是说给出一组统计数据，要求你绘制出它的概率分布曲线这个当然我们可以自己处理但是相当麻烦很幸运matlab的统计工具箱中有直接的函数  就是：ksdensity
dreamtdp·2013-04-10 10:00

核密度估计简介

核密度估计又叫核函数估计。
jkhere·2013-04-03 16:00

R语言与非参数统计（核密度估计）

R语言与非参数统计（核密度估计）核密度估计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EmanuelParzen(1962)提出，又名Parzen窗（
yujun7654321·2013-03-24 01:00

[机器学习之SVM] 线性SVM还是非线性SVM？

      SVM的应用领域很广，分类、回归、密度估计、聚类等，但我觉得最成功的还是在分类这一块。    用于分类问题时，SVM可供选择的参数并不多，惩罚参数C，核函数及其参数选择。
liulina603·2013-01-29 13:00

关于深度学习——Deep Learning

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDB
黄言之·2013-01-22 04:00

混合高斯模型mixture Gaussians和EM算法

这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     
junnan321·2013-01-08 22:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
zhoubl668·2013-01-08 09:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
chenbang110·2012-11-12 23:00

GMM高斯混合模型

事实上，GMM和k-means很像，不过GMM是学习出一些概率密度函数来（所以GMM除了用在clustering集群上之外，还经常被用于densityestimation密度估计），简单地说，k-means
longjing1113·2012-11-08 16:00

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
Rachel-Zhang·2012-08-04 09:03

机器学习——深度学习(Deep Learning)

KeyWords：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，SparseDBN，1.有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。
abcjennifer·2012-08-04 09:00

【模式识别与机器学习】模式识别中的一些基本概念

在模式识别系统中，经常会用到三种密切相关的系统，回归分析、函数内插和（概率）密度估计。3回归(regression)分析中
李亚超·2012-07-02 11:55

【模式识别与机器学习】模式识别中的一些基本概念

在模式识别系统中，经常会用到三种密切相关的系统，回归分析、函数内插和（概率）密度估计。3 回归(regression)
Harry_lyc·2012-07-02 11:00

非参数估计

  前面提到，非参数估计和参数估计（即，监督参数估计和非监督参数估计）共同构成了概率密度估计方法。
carson2005·2012-02-08 19:00

核密度估计 Kernel density estimation

简单贝叶斯分类：对于数值属性，如果不服从正态分布，但不知道服从何种分布形式，可以采用核密度估计的方法来进行预测。
nomad2·2011-12-18 20:00

多变量的核密度估计（multivariate kernel density estimation）

转自：http://fedc.wiwi.hu-berlin.de/xplore/ebooks/html/spm/spmhtmlnode18.htmlMultivariateKernelDensityEstimation
yihaizhiyan·2011-05-20 10:00
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他