EM算法用于混合高斯模型的参数估计的原理与算法实现（matlab）；源码实现包括EM算法用于K均值问题的参数估计和EM算法用于混合高斯模型参数估计。
2021-11-02 15:23:00
35KB
1
em算法matlab代码GP-SSM
高斯过程状态空间模型
介绍
这个Matlab工具箱实现了基于高斯过程学习（即识别）非线性动力学系统的状态空间模型的算法。
提议的方法有一些优点：
用户无需给出系统动力学的参数形式。
通过选择协方差函数来介绍关于动力学函数的平滑度的假设（请参阅Rasmussen和Williams的第4章，高斯机器学习过程，2006年）。
模型的复杂度和拟合度会自动进行权衡。
模型预测上的误差棒捕获由于数据稀缺或模棱两可而引起的不确定性。
特别是，此工具箱实现了以下两篇论文的算法：
[1]
R.
Frigola，F。Lindsten，TBSchön和CE
Rasmussen。
使用粒子MCMC的高斯过程状态空间模型中的贝叶斯推理和学习，神经信息处理系统（NIPS），2013年。
[2]
R.
Frigola，F。Lindsten，TBSchön和CE
Rasmussen。
使用粒子随机近似EM识别高斯过程状态空间模型，2013年，已提交。
第一步
重要信息：
GP-SSM代码需要机器学习的高斯过程（GPML）工具箱，该工具箱可在此处免费提供：
您需要运行两个不同的st
2021-10-31 19:37:39
2KB
1
小白一枚，接触到GMM和EM，现将学习到的整理出来，如有错误，欢迎指正，文中涉及到公式的推导比较繁琐，故先在纸上推导出来再拍照发出来。希望大家多多交流，共同进步。接下来将按照思路一步一步进行介绍。
1. 单高斯模型GSM（一维）
单高斯模型很简单，大家也很清楚，这里不做过多的解释，如不明白可自行百度。如图
概率密度函数为：
2.单高斯模型（多维，以二维为例）
二维高斯分布图像如下
关于二维高斯分布的参数设定对为高斯曲面的影响，可以参考这篇文章（二维高斯分布的参数分析）
（以上两条是基础，为了下面做铺垫，接下来我将通过例子引出高斯混合模型。）
3.高斯混合模型（GMM）
为什么会有高斯
2021-10-29 15:06:38
1.44MB
1
em算法matlab代码EM_GMM
Matlab代码使用EM算法拟合高斯混合模型（GMM）
如何使用代码
使用以下方法安装GMM：
P
=
trainGMM(data,numComponents,maxIter,needDiag,printLikelihood)
参数：
data
-
a
NxP
matrix
where
the
rows
are
points
and
the
columns
are
variables.
e.g.
N
2-D
points
would
have
N
rows
and
2
columns
numComponents
-
the
number
of
gaussian
mixture
components
maxIter
-
the
number
of
iterations
to
run
expectation-maximization
(EM)
for
fitting
the
GMMs
needDiag
-
set
as
1
if
you
want
diagonal
covariance
matrices
for
the
components.
Set
2021-10-26 19:40:43
36KB
1
该程序获取图像和所需的分区数，并使用混合高斯分布拟合图像直方图，并提供分类图像（面具）。
2021-10-25 13:29:11
2KB
1
em算法
matlab
代码
EM-algorithm-in-Image-Segmentation
用EM算法实现图像分割
这是学习统计信号处理时做的一个course
project
理论基础参考
统计学习方法EM算法，以及高斯混合模型（GMM）
MATLAB代码实现
上传了样图，把红血丝和背景进行了分割，但是右下角的处理还不够好，可以结合其他的图像处理的算法或者神经网络进行优化。
2021-10-25 11:03:59
159KB
1
K 表示分割方法有一个基本假设，即每个元素不能同时属于两个集群。 有时，很难定义两个簇之间过渡区域中的元素。 这个元素可能属于多个集群，具有概率。
2021-10-25 10:57:23
3KB
1
最大期望算法 EM（expectation-maximization）算法主要是用于在不完全数据的情况下计算最大似然估计。在EM算法正式提出以来，人们对EM算法的性质有更加深入的研究。EM算法在数理统计，数据挖掘，机器学习以及模式识别等领域有广泛的应用。
2021-10-25 10:52:33
1KB
1