对于数据缺失的em算法,对应于《模式识别》书上的第三章47题
上传时间: 2018-11-19
上传用户:Rachel
《模式分类》书上第三章47题的含有数据缺失情况下的em算法,python
标签: em算法
上传时间: 2018-11-20
上传用户:Rachel
从ML-EM 重建算法入手,分析了贝叶斯模型的一些关键点,针对采用传统方法求解MAP问题的局限性,提出一种用于正电子成像的贝叶斯神经网络重建算法,为了保留边缘信息,引入了二进制的保边缘变量,并应用共轭神经网络求解,模拟的重建结果表明,应用这种算法可以得到比ML-EM 算法更好的重建图像@
上传时间: 2013-12-03
上传用户:ztj182002
本算法包括最大似然估计,最小二乘估计,基于em算法的多种混合高斯分布估计,em算法测试实例,绘制每种分布的plot函数。非常有参考价值!
标签: 算法
上传时间: 2014-01-11
上传用户:日光微澜
这是一款用C++编写的实现gmm算法的程序,有样例程序,实现了em算法来寻找GMM参数。
上传时间: 2014-11-06
上传用户:xyipie
多种概率分布的拟合函数集合 本算法包括最大似然估计,最小二乘估计,基于em算法的多种混合高斯分布估计,em算法测试实例,绘制每种分布的plot函数。非常有参考价值!
上传时间: 2014-01-01
上传用户:杜莹12345
这是一款用matlab编写的GMM算法,有样例,实现用em算法寻找GMM参数
上传时间: 2017-05-27
上传用户:dreamboy36
K-Means算法是最古老也是应用最广泛的聚类算法,它使用质心定义原型,质心是一组点的均值,通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1:选择K个点作为初始质心 step2:repeat 将每个点指派到最近的质心,形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集,初始选择是三个质心比较集中,但是迭代3次之后,质心趋于稳定,并将样本集分为3部分 我们对每一个步骤都进行分析 step1:选择K个点作为初始质心 这一步首先要知道K的值,也就是说K是手动设置的,而不是像em算法那样自动聚类成n个簇 其次,如何选择初始质心 最简单的方式无异于,随机选取质心了,然后多次运行,取效果最好的那个结果。这个方法,简单但不见得有效,有很大的可能是得到局部最优。 另一种复杂的方式是,随机选取一个质心,然后计算离这个质心最远的样本点,对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式,可以确保质心是随机的,并且是散开的。 step2:repeat 将每个点指派到最近的质心,形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念,对于欧式空间中的点,可以使用欧式空间,对于文档可以用余弦相似性等等。对于给定的数据,可能适应与多种合适的邻近性度量。
上传时间: 2018-11-27
上传用户:1159474180
附件中的m代码包括了一系列的拟合函数,这些函数通常的输入是概率分布的样本。还有最大似然估计仿真器、最小平方仿真器、混合高斯分布估计的em算法、
上传时间: 2016-07-31
上传用户:zmy123
《统计学习方法》李航第二版,机器学习,人工智能必备基础书籍 内容简介:统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank 算法等。本书是统计机器学习及相关课程的教学参考书,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供计算机应用等专业的研发人员参考。
上传时间: 2021-09-01
上传用户:wenxiuyu