暂无评论
Speaker-Recognition 使用高斯混合模型概述这是多伦多大学ECE446 - 感官传播课程的最终项目，项目中开发了一个基于高斯混合模型 (GMM) 的说话人识别系统。系统依赖于Sci
目标 了解参数和状态估计的最小二乘法 将线性卡尔曼滤波器及其非线性变体,扩展和无味卡尔曼滤波器应用于状态估计问题 为典型的定位传感器(例如GPS接收器,惯性传感器和LIDAR距离传感器)开发模型 了解
主要介绍了python基于K-means聚类算法的图像分割,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
其中EM-步骤为取条件期望(expectationexpectation))..而MM--步骤为取最大((maximummaximum))..这种交替的方法称为EMEM方法。这个算法的构思很简单,但计
k均值聚类算法 matlab程序 资料 用于分割
基于K-means聚类算法的图像区域分割，首先从数据样本种选取K个点作为初始聚类中心，其次计算各个样本到聚类的距离，把样本归到离它最近的那个聚类中心所在的累，计算新形成的每个聚类的数据对象的平均值来得
基于模糊聚类的图像分割技术研究，主要是对图像分割的经典方法进行了介绍，并对具体问题了作出修改。
基于SAR图像灰度特征的谱聚类分割，用matlab实现，先用harr小波做处理，后用谱聚类算法，对图像进行分割
(matlab)基于正余弦算法的进化聚类图像分割目标函数：簇内距离用距离测度图像特征：3个特征（R，G，B值） 它还包含一个基于矩阵的示例，其中包含大小为15的输入样本和2个特征
图像分割（阈值迭代法和K-均值聚类法）,带测试图片。注意没有提供GUI界面。
暂无评论