机器学习(变分贝叶斯、粒子滤波及边缘PF,内容包括大量课件、MATLAB代码)

基于变分贝叶斯期望最大化（VBEM,variational Bayes expectation maximization）算法和Turbo原理，提 出了时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法。设计的软入软出空时检测器在采用 列表球形译码避免穷尽搜索的同时，考虑了信道估计误差方差矩阵的影响;利用空时检测获得的发送信号后验概率 分布估计，推出了新的Kalman前向后向递归信道估计器。仿真结果表明，在时变多径信道条件下，提出的算法 比传统EM算法和面向判决算法更加具有顽健性。

分布式Dirichlet分配的在线可变贝叶斯 Matthew D. Hoffman和 Michael Li （C）版权所有2010，Matthew D. Hoffman 这是免费软件，您可以根据GNU通用公共许可证的条款重新分发和/或修改它。 GNU通用公共许可证不允许在专有程序中重新分发此软件。 分发该软件是希望它会有用，但没有任何保证； 甚至没有对适销性或特定用途适用性的暗示保证。 您应该已经与该程序一起收到了GNU通用公共许可证的副本； 如果不是，请写信给美国自由软件基金会公司，地址：59 Temple Place，Suite 330，波士顿，马萨诸塞州02111-1307 该Python代码实现了由Matthew D. Hoffman，David M. Blei和Francis Bach撰写的论文“潜在狄利克雷分配的在线学习”中提出的在线变异贝叶斯（VB）算法，该算法

此类计算概率主成分分析器的混合来自没有点对点对应关系的空间点云。 如果点云代表形状，模型生成形状簇地图集，计算每个集群中的平均形状和变化模式。 数据似然的计算下界 (LB) 可用于自动模型选择（即集群的数量、变化的模式等）。 用法： >> vB = vBMixPCA('pointSetsList', 'gmmFileName', M, L, J); >> vB = vB.solve(0, nIter); 在哪里： pointSetsList：是列出点集的绝对路径的文件的名称。 每个点设置文件应在行中定义 N_k x D（维）点： x1 y1 z1 x2 y2 z2 . . . gmmFileName：是定义初始化的（可选）GMM 文件。 这个可以为空（即 []）。 在这种情况下，该算法将适合 GMM（具有 M 重心）到可用点（通常较慢）。 您可以使用以下方法保存 GMM 文件类提供的

典型相关分析matlab实现代码VBCCA：变分贝叶斯典范相关分析 由藤原佑介（电子邮件：yureisoul [at] gmail [com] com）开发，2013/03/11。 该软件包提供了贝叶斯CCA的Matlab（面向对象）实现。 贝叶斯CCA的参数估计和预测使用Miyawaki等人的视觉图像重建数据进行证明。 2008年。 目录和文件 vbBCCA/ ：贝叶斯CCA源代码。 BCCAtrainMain.m ：贝叶斯CCA的估计参数。 BCCApredOneWay.m ：根据data2预测data1或根据data1预测data2。 BCCApredBoth.m ：根据data2预测data1，根据data1预测data2。 vbBCCA.m ：BCCAtrain和BCCApred的超类。 数据输入接口。 BCCAtrain.m ：用于参数估计的对象。 BCCApred.m ：用于预测的对象。 sample/ ：用于参数估计，可视图像重建和识别的示例脚本。 bcca_trainRandom_testFigure.m ：用于可视图像重建的演示脚本。 bcca_Random_ide

为了进一步提高双聚类结果的性能，提出了一种基于变分贝叶斯的半监督双聚类算法。首先，在双聚类过程中引入了行和列的辅助信息，并提出了相应的联合分布概率模型；然后基于变分贝叶斯学习方法对联合概率分布中的参数进行估计；最后，通过合成数据集和真实的基因表达式数据集对提出的算法性能进行评估。实验表明，提出的算法在进行双聚类分析时，其归一化互信息量明显优于相关的双聚类算法。

variantal_bayesian_clusterings：用于脑部MR图像分割的变分贝叶斯算法

使用变分贝叶斯方法的非高斯噪声状态估计的交互多模型方法

变分贝叶斯推断matlab代码稳健流张量因式分解 此存储库包含与将出现在 IEEE ICDM 2018 上的论文“Variational Bayesian Inference for Robust Streaming Tensor Factorization and Completion”相关的代码。论文作者是 和 。 有关此代码的问题，请联系 Cole Hawkins。 我们的贡献包含在文件“streaming_bayesian_completion.m”中。 我们的代码需要 Matlab Tensor Toolbox： 要运行 OLSTEC 文件夹中的所有文件，您将需要 Poblano 工具箱：

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时, 容易出现性能降低甚至发散. 鉴于此, 提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法. 该算法运用虚拟噪声法补偿模型误差, 假设虚拟噪声均值非零, 且满足高斯分布, 虚拟噪声方差服从逆gamma分布, 在强跟踪容积卡尔曼滤波器估计状态的同时, 采用变分贝叶斯推理估计虚拟噪声参数. 仿真结果表明, 所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度, 相比于自适应算法具有更强的鲁棒性.