暂无评论
时间序列分析——高阶统计量方法-张贤达.pdf，用到高阶统计量的人可以查看下
Research on Speaker Recognition System Based on Gaussian Mixture Model
针对视频序列中运动对象分割问题,提出一种改进的混合高斯模型分割算法.该算法首先由混合高斯模型得到前景,之后用当前帧的前景区域与上一帧对应位置做差,区分出实际变化区域及误检区域并为误检区域赋予较大的更新
EM算法是一种非常流行的最大似然估计方法，它是在观测数据为不完整数据时求解最大似然估计的迭代算法，同时也是估计有限混合模型参数的有效算法。 但是，EM算法不能保证找到全局最优解，而且往往容易陷入局部最
提出一种基于ROLD统计量的混合噪音线性滤波算法（RLMF）。算法把用来检测脉冲噪音的ROLD统计量运用于混合噪音的滤波算法上，提高了混合噪音中脉冲噪音成分的检测效率，它不仅适用于恢复被混合噪音污染的
本文致力于研究图割算法中的一个关键方面，即Python基于改进高斯混合模型的应用。这一研究得到了老师的高度认可，并通过设计展示了其在图像分割领域的潜力。我们提供了完整的数据库、源码和文档，以便用户深入
该论文探讨了基于Python的高斯混合模型图割算法的改进研究。通过对算法源码的深入分析和数据库论文的构建，我们着眼于提高图割算法的性能。优化高斯混合模型，旨在增强算法在图像分割和模式识别中的应用。本研
3篇论文，有点类似 基于图像块的分割算法及其改进算法,即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征,再利用高斯混合模型进行纹理图像分割
高斯混合模型的C++语言实现，用到了boost库
刚学习高斯混合模型，收集了些资料方便大家共同学习。这里包括一些相关的论文和博客链接，同时附上一段基于opencv的c++代码
暂无评论