搜索资源列表
MotionEstimation
- 运动估计的几种方法，包括线性预测法、混合高斯法、特征值法和相邻帧差法等
AnalysisandRealizationoftheParallelGPF
- 本文档的标题是并行高斯粒子滤波器结构分析和实现。本文针对粒子滤波器计算量大、实时性差的问题分析了高斯粒子滤波的并行结构,并以一个简单实例为背景介绍了高斯粒子滤波器在集群计算机上的应用实现。是一篇很好的论文-This document is entitled Parallel Gaussian particle filter and the realization of structural analysis. In this paper
MotionEstimation
- 运动估计的几种方法，包括线性预测法、混合高斯法、特征值法和相邻帧差法等-Several motion estimation methods, including linear prediction method, mixed-Gaussian law, Eigenvalue and adjacent fr a mes, such as poor law
ParticleFilter
- 本程序是例子滤波的一个仿真程序，实现非线性非高斯的例子滤波及预测功能-This program is an example of a simulation program filtering to achieve an example of nonlinear non-Gaussian filtering and prediction
BPHO_1.3-0.tar
- 利用贝叶斯预测对于变量具有高阶交叉影响因素的，R文件-Bayesian Prediction with High-order Interactions
496876399457457454534
- 粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛有原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。 -Particle filter technology in the non-lin
modelbasedonspectrumprediction
- 文章展示了基于高斯混合模型的语音频谱预测方法。频谱预测可能在传包过程中预防丢包这方面起到大作用。期望最大化算法用两倍或三倍的连续语音因素来测试模型。模型被用来设计第一，儿等指令预测量。预测表用频谱分配状态来估计并和一个简单的参考模型对比。最好的预测表得到一个平均频率扭曲值是0.46dB小于参考模型-This paper presents methods for speech spectrum prediction based on
An_improved_ekf_new_methods
- 本文对于非线性非高斯问题，提出了一种改进扩展卡尔曼滤波（NIEKF）新方法。该方法将迭代滤波理论引入到扩展卡尔曼滤波器方法中，有效地重复利用新的测量信息，还利用Levenberg-Marquardt 方法调整预测协方差阵以保证算法具有全局收敛性。实验结果表明，所提方法具有更高的估计精度，是一种效率较高、性能较好的跟踪方法。-This non-Gaussian for nonlinear problems, an improved ext
sisim
- 斯坦福大学储层预测中心的FORTRAN截断高斯源代码，对于初学者理解截断高斯模拟算法有很大的帮助!-Reservoir Prediction Center at Stanford University truncated Gaussian FORTRAN source code, for the truncated Gaussian simulation algorithm for beginners to understand a g
locv
- 最先进的KPCA主成分提取法，加最先进的高斯SVM法，再加传统的交叉验证学习预测法。-The most advanced KPCA principal components extraction method, and the most advanced gaussian SVM method, then add the traditional cross validation forecast method of learning.
SPGP_dist
- 这是一个关于稀疏高斯过程的matlab源码，可以用于计算测试输入的高斯预测值。- spgp_pred computes the SPGP predictive distribution for a set of test inputs. You need to supply a set of pseudo-inputs or basis vectors for the approximation, and suitab
GPR程序
- 基于高斯过程回归的锂电池充放电性能的预测(Prediction of Charge and Discharge Performance of Lithium Batteries Based on Gaussian Process Regression)
GPstuff-4.7
- 高斯过程回归工具箱,其中包括高斯过程回归的基础例程，可用于分类，估计和预测(Gauss process regression toolbox, which includes the basic routines of Gauss process regression, can be used for classification, estimation and prediction)
MY DATA正态分布、T分布、高斯分布拟合曲线
- 风电功率预测误差的正态分布，t分布，贝塔分布(Wind power prediction error of the normal distribution, t distribution and beta distribution)
岩石物理（高斯曼流体替换）源程序
- 实现饱和流体替换，计算弹性模量，用于地震数据属性参数反演，预测油气。(Saturated fluid replacement is achieved and the modulus of elasticity is calculated.)
GPR based on GPML-V4.1
- 基于 gpml-matlab-v4.1 工具箱，简单实现了高斯过程回归（Gaussian process regression，GPR）的多变量数据回归，给出了每个预测值的均值以及对应的方差。代码有详细的注释，附有训练数据和测试数据。(Based on the gpml-matlab-v4.1 toolbox, Gaussian process regression (GPR) multivariate data regression
Gaussian-process
- 高斯过程的编程实现预测，含有文档，程序，数据，以及参考文献。(Programming Gaussian process to achieve prediction, containing documents, programs, data, and references.)
锂电池退化GPR
- 高斯过程回归是一种基于贝叶斯原理的统计机器学习方法，将先验分布通过贝叶斯定理转化成后验分布，与其他没有采用贝叶斯技巧的预测方法而言，高斯过程最大的优点是能方便地推断出超参数，同时也能方便地给出预测值的置信区间(Gaussian Process Regression is a statistical machine learning method based on Bayesian principle. It transforms pr
Code of GPs
- 实现高斯过程算法的一个简单回归，适合初学者学习。(A simple regression of the Gauss process algorithm is realized, which is suitable for beginners to learn.)
gp
- 采用高斯算法对高边坡变形时间序列进行预测(Prediction of High Slope Deformation Time Series Using Gauss Algorithms)