matlab集成c代码 Crowd-Density-Estimation 复现过程: 首先当然是准备数据集，我没有用论文作者的shanghaitech数据集，准备了malldataset数据集，反正都是大同小异啦。这篇文章的label有一点区别的就是它不是像很多分类的问题一样是0 1 啥的，而是整张图像，这还是我第一次遇到这样的问题，还是蛮新鲜的。 malldataset数据集下载 然后参见人群密度估计之MCNN密度图的生成，在MATLAB上写了程序： clear; load('perspective_roi.mat'); load('mall_gt.mat'); m=480;n=640; m=m/4; n=n/4; mask = imresize(roi.mask,0.25); %图像缩小4倍 for i=1:2000 00幅图像 gt = frame{i}.loc; %第一个frame结构体的loc字段 gt = gt/4; d_map = zeros(m,n); for j=1:size(gt,1) ksize = ceil(25/sqrt(pMapN(floor(gt(j

CatBoostLSS-CatBoost扩展到概率预测 我们提出了一个的新框架，该框架可预测单变量响应变量的整个条件分布。特别是， CatBoostLSS可以对参数分布的所有矩进行建模，即均值，位置，比例和形状（LSS），而不仅仅是条件均值。从广泛的连续分布，离散分布和混合离散连续分布中进行选择，对整个条件分布进行建模和预测可以大大增强CatBoost的灵活性，因为它可以使您对数据生成过程有更多的了解，并可以创建概率预测从中可以得出感兴趣的预测间隔和分位数。在下文中，我们简要介绍了CatBoostLSS的功能。 例子 模拟 我们从模拟的数据集开始，该数据集表现出异方差性，而其兴趣在于预测5％和95％的分位数。有关数据生成过程的详细信息，请参见。红色的点表示位于5％和95％分位数之外的点，由黑色虚线表示。 让我们将CatBoostLSS拟合到数据中。通常，语法类似于原始的CatBoost实现

一本介绍最优估计的英文书MIT出版的 学习最有估计的同学会很有用的。

本书较为全面的介绍了最优状态估计的方法，适合作为最优状态估计相关领域工程技术人员参考著作，也可作为相关课程的高年级本科生或研究生教材

重力估计 估计重力参数，如... [1] Eaton，Jonathan和Samuel Kortum。 “。” Econometrica 70.5（2002）：1741-1779。 [2]沃，迈克尔。 “ 。” 美国经济评论100.5（2010）：2093-2124。 通过STATA并计算双边贸易流量。 我经常被问到如何在Waugh（2010）和InEK（2002）中执行回归。 我执行``重力''回归的初始代码非常复杂（难以理解）。 这里的目标是简化事情并使其变得容易。 这段代码可以做几件事... （1）主驱动程序文件为stata_to_tau_to_trade.m。它调用一个STATA .do文件gravity_run.do。 此处的创新之处在于该STATA文件显示了如何在STATA中执行此估算，该估算非常容易实现和理解。 （2）然后，此代码将来自STATA的估算值移植到MA

DOA估计研究比较好的入门教程，2010年的

Trajectory Estimation for Tactical Ballistic Missiles in Terminal Phase Using On-line Input Estimator

经典与现代波达方向估计的完美衔接，每位作者都是该领域的领军人物，非常值得研究。

VNect-Tensorflow版本 该项目是VNect的tensorflow实现 SIGGRAPH 2017 。 这不是官方实施。 请联系论文作者以获取相关模型。 环境环境 Ubuntu 16.04 Python 2.7 Tensorflow 1.3.0 OpenCV 3.3.0 OpenGL（可选） 推理 1.下载模型，放入文件夹models/weights 2.在shell脚本中编辑演示设置--device --demo_type --model_file --test_img --plot_2d --plot_3d 3.如果使用的是OpenGL，则可以运行run_demo

使用Gibbs采样对DINA模型进行参数估计，据论文实验结果可以看出，相对于MCMC方法，基于Gibbs采样的方法能获得更高得精度和速度。