LDA模型的理解对很多人是一种挑战，尤其是参数估计部分。
本文档详细给出了TOTLDA和LDA两个主题概率模型的参数估计需要用到的后验概率的推导过程，并采用了两种方法，对主题概率模型研究人员具有很好的启发意义！
本文档详细给出了TOTLDA和LDA两个主题概率模型的参数估计需要用到的后验概率的推导过程，并采用了两种方法，对主题概率模型研究人员具有很好的启发意义！
2023/8/3 15:07:23
509KB
1
参数估计function[mu,sigma]=Bayesian_parameter_est(train_patterns,train_targets,sigma)
2023/5/31 7:44:08
2KB
1
通过对整周模糊度搜索确定技术的理论分析,根据观测域的不同讨论了几种整周模糊度搜索技术,包括基于观测域的整周模糊度搜索!基于坐标域的整周模糊度搜索和基于模糊度域的整周模糊度搜索;并分别引见了几种搜索技术中的典型算法,如双频伪距载波相位组合法!模糊度函数法和LAMBDA算法"并重点分析了LAMBDA算法,利用马尔可夫估计,推导了GPS整周模糊度估计矢量和导航定位参数估计矢量的表达式以及相应的协方差矩阵;通过对实际的测量实验获取的数据分析来比较几种GPS整周模糊度确定算法,并对其进行了计算机仿真,认为LAMBDA算法是实现整周模糊度动态确定较为有效的算法;此外,还研究了周跳检测与修复的几种常用方法,提出了利用双频P码伪距法和载波相位变化率法来探测和修复周跳,并通过试验数据对该算法进行了验证"最后,基于COM组件设计思想设计实现了GPS分析仿真软件的功能组件)载波相位算法软件"
2023/3/8 17:34:29
5.68MB
1
施普林格发布的GNSS手册，官网pdf原版。
本手册全面而严谨地概述了全球导航卫星系统（GNSS）多学科领域的基本原理，方法和应用，提供了详尽的一站式参考工作以及对GNSS的最新描述。
科学和社会的关键技术。
所有全球和区域卫星导航系统，包括目前正在运转和正在开发的卫星导航系统（GPS，GLONASS，Galileo，BeiDou，QZSS，IRNSS/NAVIC，SBAS）都将进行详细审查。
详细讨论了接收器和天线的功能原理，以及GNSS参数估计的高级算法和模型。
本书涵盖了广泛和多样化的陆地，海洋，空中和空间应用，从日常GNSS到高精度科学应用，并提供最广泛使用的GNSS格式标准的详细描述，涵盖接收器格式以及IGS产品和元-数据格式。
全球导航卫星系统领域的全面报道分为七个部分，从基础，全球和区域导航卫星系统，接收器和天线，算法和模型的处理，到广泛和多样化的应用范围。
定位和导航，测量，大地测量和地球动力学，遥感和定时等领域。
每一章都由国际专家撰写，并用图和照片充分说明，使本书成为科学家，工程师，学生和机构的宝贵资源。
本手册全面而严谨地概述了全球导航卫星系统（GNSS）多学科领域的基本原理，方法和应用，提供了详尽的一站式参考工作以及对GNSS的最新描述。
科学和社会的关键技术。
所有全球和区域卫星导航系统，包括目前正在运转和正在开发的卫星导航系统（GPS，GLONASS，Galileo，BeiDou，QZSS，IRNSS/NAVIC，SBAS）都将进行详细审查。
详细讨论了接收器和天线的功能原理，以及GNSS参数估计的高级算法和模型。
本书涵盖了广泛和多样化的陆地，海洋，空中和空间应用，从日常GNSS到高精度科学应用，并提供最广泛使用的GNSS格式标准的详细描述，涵盖接收器格式以及IGS产品和元-数据格式。
全球导航卫星系统领域的全面报道分为七个部分，从基础，全球和区域导航卫星系统，接收器和天线，算法和模型的处理，到广泛和多样化的应用范围。
定位和导航，测量，大地测量和地球动力学，遥感和定时等领域。
每一章都由国际专家撰写，并用图和照片充分说明，使本书成为科学家，工程师，学生和机构的宝贵资源。
2023/3/5 10:34:35
123.54MB
1
次要内容包括:随机事件与概率,随机变量及其分布,随机变量的数字特征,统计量及其分布,参数估计,假设检验,方差分析与回归分析等。
2023/2/20 20:49:14
15.83MB
1
MATLAB代码，资源包括copula函数的全部程序，包括确定边缘分布、函数选择、参数估计、模型检验，并且在每个部分有详细的正文，同时添加数据案例，可以正常运行得出算例结果整体程序摘自图书，所以代码质量不错
2023/2/9 15:06:58
260KB
1
模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB