em算法matlab代码EM_GMM
Matlab代码使用EM算法拟合高斯混合模型（GMM）
如何使用代码
使用以下方法安装GMM：
P
=
trainGMM(data,numComponents,maxIter,needDiag,printLikelihood)
参数：
data
-
a
NxP
matrix
where
the
rows
are
points
and
the
columns
are
variables.
e.g.
N
2-D
points
would
have
N
rows
and
2
columns
numComponents
-
the
number
of
gaussian
mixture
components
maxIter
-
the
number
of
iterations
to
run
expectation-maximization
(EM)
for
fitting
the
GMMs
needDiag
-
set
as
1
if
you
want
diagonal
covariance
matrices
for
the
components.
Set
2021-10-26 19:40:43
36KB
1
介绍
用Matlab从头开始编写的高斯混合模型分类器，用于学校作业。
学习阶段包括对学习数据的 PCA 和经典的 EM 算法。
MNIST
数据库用于测试分类器。 它使用每类 8 个组件成功识别高达 97.87% 的测试数据。
2021-10-26 10:50:00
13.94MB
1
网上收集的HMM的C和C++实现，包括离散和连续的HMM实现 网上收集的HMM的C和C++实现，包括离散和连续的HMM实现
2021-10-24 16:16:57
2.95MB
1
REGHDFE：具有多个固定效应的线性回归
当前版本： 5.6.8 03mar2019 （当前SSC版本： 5.6.8 03mar2019 ）
跳转到：
最近更新
版本5.7.3 13nov2019 ： 使用压缩选项（＃194）修复了罕见错误。 版本也已提交给SSC。
版本5.7.0 20mar2019 ： 用户不再需要运行reghdfe, compile安装后即可进行reghdfe, compile 。 如果出现错误“类FixedEffects未定义”，请升级到该版本或运行reghdfe, compile
版本5.6.8 03mar2019 ：
发布软件包，用于具有固定效果的Poisson模型。 如果您使用左侧的log(y)运行回归，请使用此选项。
reghdfe的稳定版本，也在SSC上。
版本5.6.2 10feb2019 ： 运行所需的最低要求版本
版本5.6
2021-10-22 14:21:17
1.21MB
1
C#环境开发的深度学习，进行模板特征的识别匹配，包括所有的源代码，结合halcon写的深度网络学习的源代码。
2021-10-22 08:33:03
7.39MB
1
这是用于聚类的高斯混合建模的简单实现。 此实现旨在用于教育目的，它的实现方式使代码尽可能具有可读性，而不是尽可能高效。
2021-10-21 15:14:37
2KB
1
hmm模型matlab代码HMM-GMM
这是我个人实现的隐马尔可夫模型和高斯混合模型，这是统计机器学习中的两个经典生成模型。
HMM是在无监督的情况下进行训练的，代码实现了前向后退算法，以在给出部分/全部观测值的任何时间步长计算状态的边际概率，而Baum-Welch算法则用于估计初始概率分布，过渡和排放概率分布。
对于此示例，观察值是空格和字母，但是代码足够通用，可以与任何观察值序列和隐藏状态一起使用。
下面讨论的所有概率将在日志空间中。
HMM的推论被实现为一种维特比算法（动态编程）
依存关系
Python
3.x
load_corpus(path)
此功能特定于此示例，用于读取观察顺序。
它将读取路径中的文件，仅保留字母和单个空格对其进行清理，并将所有内容都转换为小写。
它将返回清除输入的字符串。
load_probabilities(path)
此函数在指定的路径中加载pickle文件，该路径包含字典的元组。
第一个字典包含初始状态概率，并将整数i映射到第i个状态的概率。
第二词典包含转换概率和映射整数i到该整数j映射到过渡的从状态i到状态j的概率的第二词典。
最后，第三个字典
2021-10-20 17:12:59
35KB
1