对于数据缺失的em算法，对应于《模式识别》书上的第三章47题
上传时间： 2018-11-19
上传用户：Rachel
《模式分类》书上第三章47题的含有数据缺失情况下的em算法，python
标签： em算法
上传时间： 2018-11-20
上传用户：Rachel
从ML-EM 重建算法入手，分析了贝叶斯模型的一些关键点，针对采用传统方法求解MAP问题的局限性，提出一种用于正电子成像的贝叶斯神经网络重建算法，为了保留边缘信息，引入了二进制的保边缘变量，并应用共轭神经网络求解，模拟的重建结果表明，应用这种算法可以得到比ML-EM 算法更好的重建图像@
上传时间： 2013-12-02
上传用户：ztj182002
本算法包括最大似然估计，最小二乘估计，基于em算法的多种混合高斯分布估计，em算法测试实例，绘制每种分布的plot函数。非常有参考价值！
标签： 算法
上传时间： 2014-01-11
上传用户：日光微澜
这是一款用C++编写的实现gmm算法的程序，有样例程序，实现了em算法来寻找GMM参数。
上传时间： 2014-11-06
上传用户：xyipie
多种概率分布的拟合函数集合 本算法包括最大似然估计，最小二乘估计，基于em算法的多种混合高斯分布估计，em算法测试实例，绘制每种分布的plot函数。非常有参考价值！
上传时间： 2013-12-31
上传用户：杜莹12345
这是一款用matlab编写的GMM算法，有样例，实现用em算法寻找GMM参数
上传时间： 2017-05-27
上传用户：dreamboy36
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像em算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
附件中的m代码包括了一系列的拟合函数，这些函数通常的输入是概率分布的样本。还有最大似然估计仿真器、最小平方仿真器、混合高斯分布估计的em算法、
上传时间： 2016-07-31
上传用户：zmy123
《统计学习方法》李航第二版，机器学习，人工智能必备基础书籍 内容简介：统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank 算法等。本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供计算机应用等专业的研发人员参考。
上传时间： 2021-09-01
上传用户：wenxiuyu
