提出一种风速预测偏差修正方法。建立基于非参数核密度估计的风速修正模型，利用预测点之前一段时间内风速的初始预测误差来估计预测时刻的预测误差，从而对初始风速预测结果进行修正；结合数值天气预报法建立风速相位误差修正模型，有效减小风速预测的相位误差，在一定程度上防止风速突变拐点处“误修正”的出现。某地区实际风速数据的预测仿真结果表明，所提方法可有效降低初始风速预测偏差。

核密度非参数估计的matlab代码Non_Parametric_Kernel_Density_Estimation 我们建议使用基于核密度估计 (KDE) 的方法进行分类。 这种非参数方法本质上以一种有原则的方式为每个类提供了成员资格的可能性。 该实现用于： [1] MU Ghani、F. Mesadi、SD Kanik、AO Argunsah、A. Hobbiss、I. Israely、D. Unay、T. Tasdizen 和 M. Cetin，“基于树突棘分类的形状和外观特征”，Journal of神经科学方法。 任何使用此代码的论文都应相应地引用 [1]。 该软件已经在Matlab R2013b下进行了测试。 解压压缩文件后，启动Matlab，然后可以在根目录下运行“KDE_JNeuMeth.m”。 如果报告错误，则您可能没有以下某些 MATLAB 工具箱。 请确保您已正确安装以下 MATLAB 工具箱： 统计和机器学习工具箱 生物信息学工具箱 如果您仍然有问题，您可以给我发电子邮件，或者我会尽力提供帮助。 照原样，该代码使用基于析取法线形状模型 (DNSM) 和定向梯度直方图

11第一部分是一个三维的彩色KDE估计图（最好用MATLAB画）；第二部分是测试图片的运动目标二值图像检测结果（运动员用白色像素，背景用黑色）

具有对角带宽矩阵的快速准确的最先进的双变量核密度估计器。 核被假定为高斯核。 两个带宽参数都是经过优化选择的使用/假设数据的参数模型或任何“经验法则”。 与许多其他程序不同，这个程序在估计具有广泛分离模式的多模态密度时不会出现准确性故障（参见示例）。 输入： data - 具有连续数据的 N x 2 数组n - 计算密度的 n x n 网格的大小n 必须是 2 的幂，否则 n=2^ceil(log2(n)); 默认值为 2^8； MIN_XY,MAX_XY - 计算密度的边界框的限制； 格式是： MIN_XY=[lower_Xlim,lower_Ylim] MAX_XY=[upper_Xlim,upper_Ylim]。 dafault 限制计算如下： MAX=max(数据,[],1); MIN=min(data,[],1); 范围=最大值-最小值； MAX_XY=MAX+范围/4； MI

快速核密度估计定理和大规模图论松弛聚类方法.pdf

该函数将估计用核密度函数估计互信息

行业分类-物理装置-基于混合核PCA-CCA及核密度估计的过程监测方法.zip

用matlab实现对6个样本点实现直方图估计、高斯核密度估计

matlab核密度估计程序，用于数据的预测，风险控制，预期收益等 需要先运行makemex文件，不然会显示缺失bull...的文件

核密度估计（kde）是一种非参估计方法，常用于特征提取。本ppt对核密度估计的原理进行了细致的讲解，很容易明白。