基于高斯过程的分类和回归M代码

高斯过程Gaussian Process是近几年继SVM之后，兴起的在机器学习领域的又一个热点。这份是来自剑桥大学mackay教授的一篇关于Gaussian Process的概述文章。对有兴趣的应该会

介绍高斯过程在机器学习中的应用,如分类,回归等等

提出了一种能够将点云数据与对应图像进行三维图像重建的算

纹理特征的提取是纹理分析的重要研究内容之一。基于独立成分分析的纹理分类方法中,目前主要选取独立成分分析系数的二阶统计量或频谱直方图作为纹理特征描述。本文根据独立成分分析系数满足非高斯分布的特点,提出了

纹理描述在图像分析和模式分类领域具有极为重要的意义。为提高特征描述的鲁棒性,提出了一种基于高斯局部二值模式的纹理特征提取方法。首先,采用加强预处理使高斯滤波获得不同尺度的图像,从而构建多尺度的图像金字

朴素贝叶斯分类器不能有效地利用属性之间的依赖信息, 而目前所进行的依赖扩展更强调效率, 使扩展后分类器的分类准确性还有待提高. 针对以上问题, 在使用具有平滑参数的高斯核函数估计属性密度的基础上, 结

比较初级，算是初学者，嘿嘿嘿。可以尝试看一看，对于上课是有帮助的

。。。。。。。分类器设计之logistic回归分析Ｍatlab代码

使用逻辑回归进行MNIST手写字符识别的代码，PYTHON语言。

分类器设计之logistic回归分析Ｍatlab代码