对Dirichlet 过程进行了简单的介绍，其中，结合与中国餐馆过程对其进行了形象的解释，希望对用到的人能够有帮助。

Hierarchical Dirichlet Proces HDP 代码 matlab

狄利克雷问题 使用数值分析技术分析Dirichlet边界问题。 具体来说就是射击方法和牛顿算法。 简要概述 BVP由微分方程系统组成，在该系统中一组条件是已知的，并且其解将在指定的域中找到。 值得一提的是，它与初始值问题相反，在初始值问题中，仅了解间隔的一个极端的条件。 解决Dirichlet问题的常用技术是射击方法。 这种数值方法通过将BVP分为各种初始值问题来解决。 在这项工作中，我们研究了沿xy平面中域边界的给定条件的Dirichlet问题。 还将讨论找到这些系统解决方案的一组步骤。 将射击方法和牛顿算法作为数值方法来实现，以找到给定BVP的解。 开发了一组Octave脚本，以计算得出所建议系统的有限解，并通过测试证明了它们在给定实际解中的准确性。 最后，描述并分析了一组可能的错误源，以便将来对该方法进行改进。 先决条件 该项目仅取决于Octave。 而在Matlab上运行此实现需要

吉布斯采样matlab代码Latent-Dirichlet-Allocation-LDA-（MATLAB中的代码） 自然语言处理算法 概率生成模型 Latent Dirichlet Allocation根据主题比例和单词比例对文档进行分类的方法 贝叶斯推断使用折叠的吉布斯采样 与传统的吉布斯采样器相比，收敛速度更快，错误率低 参考文献：托马斯·格里菲斯（Thomas L. Griffiths）和马克·史蒂佛斯（Mark Steyvers）发现科学课题（2004） 这里考虑的词汇大小为16，并使用4x4图像表示。 图像中的每个像素代表词汇表中的一个单词。 像素越亮，在文档/主题中的频率越高。 下图显示了8个主题作为单词分布的基本事实。 现在，使用这些主题生成了500个长度为100的文档。 图像下方显示了生成的文档示例。 现在，在这些生成的文档上运行了LDA（超过500次迭代），并发现了主题。 下面的屏幕快照显示了在初始迭代和最终迭代中发现的主题。 Theta地面真相值 范例文件 初始Phi迭代 最终Phi迭代 经过最终的迭代，发现的主题为： 它包含以下功能： 1）代码LDA Matlab

分层潜在Dirichlet分配 分层潜在狄利克雷分配（hLDA）解决了从数据中学习主题层次结构的问题。 该模型依赖于称为嵌套中国餐厅过程的非参数先验，该过程允许任意大的分支因子，并可以轻松容纳不断增长的数据收集。 hLDA模型将此先验与基于潜在Dirichlet分配的分层变体的可能性相结合。 执行 是用于hLDA推断的Gibbs采样器，基于的实现，在nCRP树上具有固定的深度。 安装 只需使用pip install hlda即可安装该软件包。 可以在找到一个示例笔记本，该笔记本可以推断BBC Insight语料库上的层次结构主题。

这是我读书时的一次内部分享，现拿来与大家分享

用Python实现L-LDA模型（标签潜在Dirichlet分配模型） 参考： 标记的LDA：多标签语料库中信用归因的受监管主题模型Daniel Ramage ... 文本分析的参数估计，Gregor Heinrich。 潜在的Dirichlet分配，David M. Blei，Andrew Y. Ng ... 基于Gibbs采样的有效实现 以下描述来自标签LDA：多标签语料库中信用归因的受监督主题模型Daniel Ramage ... 介绍： 标记的LDA是通过定义LDA潜在主题和用户标签之间的一一对应关系来约束潜在Dirichlet分配的主题模型。 带有标签的LDA可以直接学习主题（标签）对应关系。 吉布斯采样： 标记的LDA的图形模型： 标记LDA的生成过程： 吉布斯采样方程式： 用法 新的llda模型 训练 ？is_convergence 更新 推理 将模型保存到

matlab的egde源代码

计算机视觉Github开源论文

讨论了一类具有非光滑位势的p( x)-Laplace非线性椭圆问题.利用非光滑的三临界点定理证明了该问题在变指数Sobolev空间W01,p( x)(Ω)中至少存在3个非平凡解.