机器学习工具——条件随机场模型

一种基于分层高阶条件随机场模型的道路场景图像分割算法，杨旸，谢明远，本文提出一种基于分层高阶条件随机场模型的道路场景图像分割方法，首先对目标图像提取多类纹理特征，构建像素级的一元势函数和成

MRF非常好的工具包，里面各种需要的算法都有，需要首先运行mexAll.m，自己就用这个工具包

马尔科夫随机场的实现，欢迎各位同行指正！

1 基本概念 集成学习,通过构建并结合多个学习器来完成学习任务。一般结构是:先产生一组“个体学习器”,再用某种策略将它们结合起来。结合策略主要有平均法、投票法和学习法等。 随机森林指的是利用多棵树对样

一个飞机场的模型。很全面可以用来开发游戏的场景。

机器学习模型压缩相关文献、工具、学习资料列表

matlab开发-随机场表示方法。一维随机场的EOLE、OSE和K-L（离散、Galerkin和Nystr_m）方法的实现

包括马尔科夫的模型、基于马尔科夫模型的特征提取方法及其在图像应用中的相关论文。

论文仅供学习参考使用。 提出一种基于超像素下条件随机场模型的图像显著性目标检测方法,利用超像素块的边缘保持特性和条件随机场的邻域约束特性来增强图像显著性目标检测的准确性。 提出一种基于深度条件随机场网

论文仅供学习和参考。 综合利用边界信息、局部信息以及全局信息,从图像中提取出多种显著性特征; 在条件随机场框架下融合这些特征, 通过显著性区域与背景区域的区域标注实现显著性区域的粗糙检测; 结合区域标