该程序可用于评估图像的一阶导数。 过滤器的方向可由用户指定。 一般来说，这些过滤器可用于边缘检测和图像分析。 该程序创建的过滤器源自以下所示的“可操纵过滤器”： WT Freeman 和 EH Adelson，“可控滤波器的设计和使用”，IEEE PAMI，1991。 包含一个演示程序 (runDemo.m)，它将创建一个动画，显示从 0 度到 360 度（以 15 度为增量）均匀分布的方向导数。

与Gaussian量子化学计算程序配套的可视化窗口，可以查看原子分子结构，键长键角及二面角

角色扮演游戏 ROGP是在模型中高斯过程的均值和协方差函数的工具。 它是为以下论文概述的工作而开发的： 另请参见我们在该项目上的。 如果您使用此工具，请引用我们的论文为： @misc{Wiebe2020robust, title={A robust approach to warped Gaussian process-constrained optimization}, author={Johannes Wiebe and Inês Cecílio and Jonathan Dunlop and Ruth Misener}, year={2020}, eprint={2006.08222}, archivePrefix={arXiv}, primaryClass={math.OC} } 安装 python -m

从零开始的高斯混合模型 算法类型：聚类算法使用的数据集：从sklearn导入的虹膜数据集 最终集群的输出 要求： Jupyter笔记本或Google Colab 库： 熊猫： ： numpy： ：//numpy.org/install/ Matplotlib： ：//matplotlib.org/stable/users/installing.html sklearn： ://scikit-learn.org/stable/install.html scipy： ：//pypi.org/project/scipy/ 涉及的步骤： 对于Google Colab： 在任何浏览器上打开google colab。 在Google Colab中上传文件“ 19BCE1328_Gaussian混合物模型”。 运行笔记本中的所有单元并查看输出。 参见图以可视化最终结果。 对于Jup

高斯光束基础(Gaussian Beam Optics,Melles Griot) Content .Gaussian Beam Propagation .Transformation and Magnification by Simple Lenses .Real Beam Propagation .Lens Selection

Variational Dirichlet Process　Gaussian Mixture Model的Matlab源码

用于gaussian 03 软件初学者使用

此函数使用 lsqcurvefit 将参数 D、A、mu、sig 拟合到 R^N-->R 高斯+常数模型函数， z(x) = D + A*exp( -0.5 * (x-mu).' * inv(sig) *(x-mu) ) 这里A和D是未知标量，mu是未知Nx1均值向量，sig是一个未知的NxN协方差矩阵。 通过施加下限和上限 0<=D<=0（见下文），这也可用于执行纯高斯拟合。 句法： [params,resnorm,residual,exitflag,output] = gaussfitn(xdata,zdata,params0,LB,UB,Name,Value) 输入（必填）： xdata：MxN 矩阵，其行指定 R^N 中的 M 个分散样本zdata：对应样本的 Mx1 向量 z(xdata) 输入（可选） params0：初始参数估计值的元胞数组 {D0,A0,mu0,sig0}。

这是论文“Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising”的测试演示。 有两种模型，包括高斯去噪的特定/盲模型和高斯去噪的单一模型、单图像超分辨率（SISR）和JPEG图像去块。

自动高斯和 Gabor 曲面拟合--- 用于将一维高斯拟合到曲线以及将二维高斯或 Gabor 拟合到曲面的函数。 例程是自动的，因为它们不需要指定模型参数的起始猜测。 这是通过评估许多不同参数选择的拟合质量，然后通过最小二乘法（穷举搜索然后细化）细化最有希望的参数集来完成的。 所有函数都支持 2 种计算参数误差线的方法：bootstrapping 和 MCMC。 autoGaussianSurf（xi，yi，zi）使2D高斯拟合到曲面，定义为： zi = a*exp(-((xi-x0).^2/2/sigmax^2 + (yi-y0).^2/2/sigmay^2)) + b 它还可以拟合倾斜的 2d 高斯或各向同性的 2d 高斯。 autoGaborSurf（xi，yi，zi）适合Gabor，定义为： zi = a*exp(-(xip,.^2+yip.^2)/2/sigma^2