这几天把EM算法(Expectation Maxinum)反复琢磨了几遍，经过几次讨论，对EM算法的数学模型有了比较深入的理解。考虑到： 1. 这个算法在Machine Learning中极其重要，也是进行Machine Learning深入研究的一个重要阶梯 2. 这个算法确实需要一定的概率和数学基础 3. 中文或翻译的教材似乎没有很好的解释清楚这个算法 于是我根据Pattern Recogition and Machine Learning一书相关章节的内容，结合自己的理解，写了一套中文的EM算法介绍和分析。又混合高斯模型开始，由浅入深，逐步讲解了EM算法在混合高斯模型应用和一般化描述。自己感觉还是比较容易理解的。 如果发现pdf中有什么问题，或有什么错误，请直接与我联系，欢迎讨论。 要下载最新的版本请到http://glatteis.spaces.live.com

针对无线传感器网络面积大、节点传输距离远的特点而导致能量消耗过快容易死亡的问题，引入定向天线，设计了基于混合天线的高能效收集路由协议（EEMC）。通过定义距离阈值，在区域内构造多条短链，短链通过链头收集链内节点数据后直接与基站通信。距离阈值根据链路位置和节点死亡情况长链系数有所变化，短链间采用全向天线传输数据，链头节点通过定向天线向远处的基站发送数据。仿真结果表明，该算法大大减缓了第一个死亡节点到来的时间，节省了每轮的网络能耗，降低了通信时延。

SSM混合音乐推荐系统.zip

混合Box-Jenkins结构的系统闭环辨识及其在PID整定中的应用

第六章汽油机混合气形成与燃烧.ppt

图像采集

金川区四小四年级数学下册一四则混合运算说课稿西师大版.pdf

【优化配置】遗传算法求解风电混合储能容量优化配置问题matlab源码 .zip

这个项目致力于我关于图像压缩的研究生工作。 该算法基于离散小波变换（DWT）。 在这里你可以找到一些与离散小波变换、循环扩展、Haar 小波滤波器、LeGall 5/3 滤波器相关的代码。 这是幻灯片和我的文凭。 语言：俄语。 @另见了解更多小波和其他变换实现

为准确、快速地获取配电网故障恢复最优策略，提出基于节点状态优化的故障恢复混合整数线性规划方法。首先提出节点状态变量概念及其节点属性和电源属性，在此基础上建立节点状态变量-开关状态变量的线性函数关系，即开关状态线性模型；然后运用恒功率负荷线性化方法，建立基于基尔霍夫定律的电流及电压线性等式，等式中节点电压及支路电流等状态变量受节点状态变量及开关状态变量的约束；最后形成以切负荷及开关操作次数最少为目标的故障配电网最优潮流混合整数线性规划模型，即故障恢复模型。算例仿真验证了所提模型的合理性及有效性。