这是高斯混合概率假设密度过滤器 (GM-PHD) 的一种实现： B.-N。 Vo，W.-K. Ma，“高斯混合概率假设密度滤波器”，IEEE 信号处理汇刊，第 54 卷，第 11 期，2006 年 11 月，第 4091-4104 页。 提交的内容包括由 Vo & Ma 描述的线性卡尔曼滤波器 GM-PHD 滤波器和扩展卡尔曼滤波器 GM-PHD 滤波器算法的 Matlab 实现，以及他们论文中描述的模拟问题之一。 Vo & Ma 的算法做了一些修改，但它们是出于技术原因，不会改变滤波器的整体结构。 GM-PHD 滤波器是一种估计测量数据中目标数量和位置的方法。 它的优点包括目标位置不确定性的表示（使用协方差矩阵）以及目标存在的不确定性（使用权重）和更新步骤中数据关联的缺失。 这个实现得到了大量评论，可能对尝试了解 GM-PHD 过滤的人有帮助，但 Vo & Ma 的论文对于理解真正

贝叶斯优化 具有高斯过程的贝叶斯全局优化的纯Python实现。 PyPI（点）： $ pip install bayesian-optimization 来自conda-forge频道的Conda： $ conda install -c conda-forge bayesian-optimization 这是基于贝叶斯推理和高斯过程的受约束的全局优化程序包，它试图在尽可能少的迭代中找到未知函数的最大值。 该技术特别适合于高成本功能的优化，在这种情况下，勘探与开发之间的平衡很重要。 快速开始 请参阅以下内容，快速浏览贝叶斯优化程序包的基础知识。 可以在文件夹中找到更多详细信息，其他高

Gaussian高斯软件入门中文操作说明书

局部二进制模式（LBP）是一种有效的纹理描述符，在纹理分类和面部识别中具有成功的应用。 常规LBP描述符有许多扩展。 扩展之一是主要局部二进制图案，其目的是提取纹理图像中的主要局部结构。 第二个扩展表示Gabor变换域（LGBP）中的LBP描述符。 第三个扩展是多分辨率LBP（MLBP）。 另一个扩展是用于视频纹理提取的动态LBP。 在本文中，我们将传统的本地二进制模式扩展到金字塔变换域（PLBP）。 通过级联分层空间金字塔的LBP信息，PLBP描述符考虑了纹理分辨率的变化。 PLBP描述符显示了其在纹理表示方面的有效性。 对LBP，MLBP，LGBP和PLBP进行了全面比较。 比较了无采样，部分采样和空间金字塔采样方法构建PLBP纹理描述符的性能。 讨论了金字塔生成方法和金字塔级别对基于PLBP的图像分类性能的影响。 与现有的多分辨率LBP描述符相比，PLBP具有令人满意的性能和较低的计算成本。

差分隐私早期学习笔记。 含"差分隐私_notes"的汇报文档，以及包含高斯机制(The Gaussian Mechanism)详细证明的文档

Gaussian是一个功能强大的量子化学综合软件包。其可执行程序可在不同型号的大型计算机，超级计算机，工作站和个人计算机上运行，并相应有不同的版本。高斯功能：过渡态能量和结构、键和反应能量、分子轨道、原子电荷和电势、振动频率、红外和拉曼光谱、核磁性质、极化率和超极化率、热力学性质、反应路径，计算可以对体系的基态或激发态执行。可以预测周期体系的能量，结构和分子轨道。

gaussian09中文版教程 通俗易懂。适合新手参照，软件也可以配备一起给。

绘制在声学和光子场中生成的经典高斯光束的脚本集合。

（1）Gaussian quadrature【粗译】.doc

文档说明http://blog.csdn.net/szlcw1/article/details/41758711