通过变分贝叶斯方法对多传感器图像进行整体配准

平均场理论，变分法，贝叶斯推断，EM算法，KL散度，变分估计，变分消息传递

利用变分贝叶斯方法进行目标跟踪，并且适用于噪声统计特性未知的情况。

变分贝叶斯逻辑回归是一种在统计学和机器学习领域广泛应用的模型，它结合了贝叶斯统计和逻辑回归。在这个模型中，我们利用变分贝叶斯方法来处理参数不确定性，使得模型能够更好地适应数据并进行预测。将深入探讨变分

利用多传感器的目标状态融合估计和融合估计误差协方差作为反馈信息,提出了带反馈机制的多传感器空间偏差配准方法.对二阶段Kalman滤波偏差配准方法进行扩展和改进,在不同噪声条件下对目标状态融合和偏差进行

参考文献:http://research.microsoft.com/en-us/people/davidwip/tutorials.aspx 用L1范数、L0.01范数分别求解稀疏信号恢复问题的仿真

为了提高音频水印的检测性能,基于音频帧MFCC特征的统计特性,提出了一种音频水印盲检测方法。在音频帧的DCT系数上嵌入扩频水印,对嵌入水印的音频帧和原始音频帧分别提取MFCC特征进行训练,分别建立高斯

基于自适应图像先验模型的变分贝叶斯超分辨率方法

目标跟踪是一种重要的技术，在多源传感器应用中时间配准问题不可避免。本文详细介绍了多源传感器时间配准的技术细节和应用场景，并提出了一些优化建议。同时，多种实例也被给出以帮助读者更好地了解这一复杂的技术。

传统的字典学习算法在对训练图像进行学习时收敛速率慢,当图像受到噪声干扰时学习效果变差.对此,提出一种基于变分推断的字典学习算法.首先设定模型中各参数的共轭稀疏先验分布;然后基于贝叶斯网络求出所有参数的

变分贝叶斯方法的自适应Cubase强跟踪信息过滤