高斯气体扩散模型测试程序

AIGC（基于人工智能的图像分类）与去噪扩散概率模型（Denoising Diffusion Probabilistic Model）是一种用于图像去噪的高效算法。该模型利用概率理论对图像进行有损去噪

去噪扩散概率模型 乔纳森·何(Jonathan Ho),阿杰伊·贾恩(Ajay Jain),彼得阿比尔 论文: : 网址: : 实验在Google Cloud TPU v3-8上运行。需要Tensor

高斯混合模型GMM的源代码，包含numpy实现和sklearn实现两个版本，不用安装其他依赖包。

这篇文章比较详细的推到了GMM模型中的迭代公式的由来

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（

利用混合高斯模型对目标场景进行背景建模，分割出前景与背景。代码输入：一组图片或一段视频代码输出：前景与背景分割开的灰度图环境：linux+opencv+eigen语言：Ｃ++

语音情感识别中的高斯混合模型的matlab代码

提供高斯过程模型回归的预测方法，可以很好地进行模型预测

该代码是使用高斯混合模型的二分聚类来实现数据集的聚类。

C. Stauffer and W. Grimson. “Adaptive background mixture models for real-time tracking”.论文的源代码