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)

C++代码是直接调动摄像头，效率比较低，识别准确率也有待提高，有很大的优化空间。 https://blog.csdn.net/OEMT_301/article/details/103789392

针对基于信号接收强度指示（Received Signal Strength Indicator， RSSI）的无线传感器网络室内定位易受到复杂环境的影响、不稳定等问题，提出一种自适应的动态测距室内定位算法（self-adaptively dynamic ranging，SADR），采用节点RSSI建立动态测距模型，实时更新模型中环境参数，利用改进的代价参考粒子滤波进行测距，运用最小二乘法计算目标位置。仿真和实验结果表明，算法适应复杂环境，提高了定位精度，满足无线传感器网室内定位需求。

基于粒子滤波器的视频目标跟踪（哈工大博士论文）多区域联合粒子滤波器算法 +概率预测与分类结合的目标跟踪定位方法+粒子滤波器中自适应多特征融合的目标外观特征表示方法+短道速滑滑行数据测量系统

目标跟踪是计算机视觉和图像处理的一个重点课题,在视频监控、机器人视觉导航以及智能交通控制中具 有广泛的应用前景。通过粒子滤波技术,研究了如何整合颜色特征、前景信息和积分图运算等技术实现视频目标跟 踪的粒子滤波算法。在对目标进行分割中采用了混合高斯背景建模方法;同时结合积分直方图的计算方法对颜色特 征进行分段统计及相互遮挡的判断,实现基于粒子滤波的目标跟踪算法的优化,解决跟踪中诸如遮挡、光照变化、背 景干扰、尺寸变化等难以解决的问题。实验结果表明提出的方法达到了预期目标。

自调整平滑区间粒子滤波平滑算法

针对室内复杂环境下无线传感器节点的信号传播状态在LOS/NLOS之间切换的现象,提出基于TDOA和RSS的可行域粒子滤波非视距定位.首先采用基于TDOA和RSS两种测距模型的假设检验方法去辨识测量信号中是否存在NLOS现象,然后采用考虑NLOS测量信息的可行域粒子滤波方法对未知移动节点的位置进行定位.仿真结果表明,所提出的方法优于最小二乘法、普通的粒子滤波算法以及仅采用RSS测距模型的粒子滤波算法,具有较高的定位精度.

用MATLAB仿真实现，对单移动目标进行跟踪，主要功能：展示跟踪曲线；初速度、节点坐标等参数设置；实现算法：纯方位角的粒子滤波算法。

用粒子滤波算法实现三维目标跟踪，用matlab实现。

粒子滤波二维平面跟踪仿真，实现对目标运动的跟踪