高斯混合模型的期望最大化算法的实现， 考虑 20 个点的数据并使用 EM 算法使用两个高斯分布对该数据进行建模

在这个项目中，我们研究了隐马尔可夫随机场 (HMRF) 模型及其期望最大化 (EM) 算法。 我们使用 HMRF-EM 框架实现了一个名为 HMRF-EM-image 的 MATLAB 工具箱，用于二维图像分割。 该工具箱还实现了边缘优先保留的图像分割，并且可以轻松地针对其他问题重新配置，例如 3D 图像分割。 文件： https : //arxiv.org/pdf/1207.3510.pdf

C#使用Rectangle绘制实现的圆角。 并带有最大化，最小化， 关闭， 拖动的标题控件。

Delphi窗口置顶实例、窗体透明，禁止使用最大化按钮和最小化按钮的编程实例

我们为面板数据开发了一个广义动态因子模型，目的是估计未观察到的指数。 虽然在动态因子分析的文献中已经开发了类似的模型，但我们的贡献是三方面的。 首先，与在每个时间段测量同一主题的多个属性的简单动态因素分析相反，我们的模型还考虑了多个主题。 因此它适用于面板数据框架。 其次，我们的模型为每个时间段的每个受试者估计了一个独特的未观察到的指数，这与之前使用所有受试者通用的时间指数的工作相反。 第三，我们开发了一种新颖的迭代估计过程，我们称之为两周期条件期望最大化 (2CCEM) 算法，并且足够灵活以处理各种不同类型的数据集。 该模型应用于测量与供水和卫生设施运营相关的属性的面板上。

DEMO 包含 5 种特征选择算法： • 顺序前向选择 (SFS) • 顺序浮动前向选择 (SFFS) •顺序向后选择（SBS） • 顺序浮动向后选择 (SFBS) • 救济F 两种CCR估算方法： • 交叉验证• 重新替换 选择最佳特征子集后，得到的分类器可用于对任何模式进行分类。 图：上图是pattern x特征矩阵左下面板是选择的功能右下图是特征选择步骤中的 CCR 曲线右侧面板是一些模式的分类结果。 该软件是使用 Matlab 7.5 和 Windows XP 开发的。 版权所有：D. Ververidis 和 C.Kotropoulos AIIA 实验室，希腊塞萨洛尼基， jimver@aiia.csd.auth.gr costas@aiia.csd.auth.gr 为了运行演示： 为了运行演示： - 需要一台装有 Windows XP 的电脑。 - 使用 Matl

C# 判断并激活外部程序窗口 并实现外部程序窗口最大化，不错的代码与大家分享

情绪分类 基于 EEG 情绪分类的依赖最大化特征选择。 该项目已作为 IIT 德里 2014 年秋季学期神经网络课程的一部分完成。 主管：Jayadeva博士 作者 Rishi Dua T Veeranjaneya Ashok 安装 安装 Python 和 scikit 将 DEAP 数据集（cPickle 预处理）复制到 data/raw 文件夹 运行脚本.sh 文档 请参阅 docs/readme.pdf 贡献 源代码： : 执照 该项目是根据 MIT 许可条款获得许可的。 有关详细信息，请参阅 LICENSE.txt

影响力最大化 库： JGraphT库（图论数据结构和算法的Java库） JUNG（Java通用网络/图形框架） 随机图生成模型： 问题定义：社交网络中的影响最大化问题寻找出一组节点，这些节点可以将信息传播给最大数量的成员。 该项目包含我题为： 在这项工作中，我们提出了一种以幂律图为重点的方法来加快Kempe算法的速度。 改进包括预先选择最有希望的节点。 为此，我们探索了幂律图的一些性质以及社会影响力与程度分布之间的关系。 我们已经通过实验分析证实，这种预选可以减少运行时间，同时又能保证解决方案的质量。 提出的算法的源代码在这里： src/algoritmos/PrevalentSeed.java

父容器下显示多个子窗体