人流密度估计作为一种有效的人群监测、控制和行为理解方法，得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低，容易造成密集场景人流估计不准确。为此，文中提出了一种基于深度的卷积神经网络（CNN）人群密度估计方法，利用典型的深层网络Googlenet 和VGGnet进行了方法改进。通过采用一个包括18个拥挤景区密集场景、超过160 K密度的注释图像数据集进行的实验测试结果表明，该方法的平均准确率为92.46%，与GLCM-SVM方法进行对比的结果也充分证明了该方法的优越性。

一份文件是介绍用R语言中如何利用核函数估计密度函数及其各阶导数的方法，是比较新的文献，2015年的，里面介绍了7种窗宽的确定方法以及R程序

密度 N维密度估计

海杂波分布建模：核密度估计方法

核密度估计算法背景建模。有成功运行的代码和测试视频。有算法讲解论文

该资源为人群计数c++实现，深度框架为caffe，网络模型文件为SaCNN，可对图片和视频进行人群计数，需要安装caffe和opencv库，内有makefile,可直接使用！

用于数据可视化展示，分析点、线、面等数据统计分析，数据背后隐藏的意义的挖掘

基于二维非参数核密度估计，以及带宽的优化计算的代码

分别采用高斯窗和方窗对给定的男女生身高体重分布进行概率密度估计，并设计基于贝叶斯最小错误率的分类器，对测试样本进行男女分类

kde核密度估计，非参数估计的一种，使用高斯核函数进行概率密度估计，应用于独立成分分析确定控制限等过程