1) Gaussian mixture model
高斯混合模型
1.
A method of well-log facies recognition based on a Gaussian mixture model in phase space;
一种基于相空间高斯混合模型的测井相识别方法
2.
Gaussian mixture model training method based on genetic algorithms and fuzzy approach;
基于遗传模糊高斯混合模型的训练方法
3.
An unsupervised rough clustering method based on gaussian mixture model;
一种基于高斯混合模型的无监督粗糙聚类方法
2) GMM
高斯混合模型
1.
Failure recognition alogrithm based on QDFD and GMM;
基于四分位偏差分形维与高斯混合模型的故障识别算法研究
2.
Application of GMM in Modified Voice Template Matching Algorithm;
高斯混合模型在语音模板匹配算法中的应用
3.
GMM-based Chinese dialect identification system;
基于高斯混合模型的汉语方言辨识系统
3) Gaussian mixture model(GMM)
高斯混合模型
1.
Proposed is a hybrid neural network classifier with high performance and simple structure that makes a substitution for the highly complex Gaussian mixture model(GMM).
针对这样的问题,提出一种高性能、结构简单的基于自组织映射(SOFMNN)和概率神经网络(PNN)的混合神经网络分类器以取代目前常用的高斯混合模型(GMM)分类器。
2.
The traditional training methods of Gaussian Mixture Model(GMM) are sensitive to the initial model parameters,which often leads to a local optimal parameter in practice.
为了解决传统高斯混合模型(GMM)对初值敏感,在实际训练中极易得到局部最优参数的问题,提出了一种采用微粒群算法优化GMM参数的新方法。
3.
This paper addresses the problem of regional color transfer from source image to object image based on Gaussian mixture model(GMM).
针对具有多种颜色区域图像以及灰度图像的颜色迁移合成问题,提出了一种基于高斯混合模型的区域颜色迁移算法,以用于将一幅源图像的颜色迁移到一幅目标图像中。
4) gaussian mixture models
高斯混合模型
1.
Firstly, video target segmentation was achieved through background subtraction based on adaptive Gaussian mixture models.
首先,进行基于自适应高斯混合模型的背景提取,获得包含运动阴影的前景分割,然后根据灰度图像中阴影区域和已获取背景相应位置的纹理相似性,进行阴影检测。
2.
This paper proposes a new textured image segmentation algorithm which integrates wavelet transform and Gaussian mixture models.
提出了一种新的结合了小波变换的高斯混合模型纹理分割方法。
3.
Then Gaussian mixture models (GMMs) are applied to estimate the eigenspace densities of the two classes.
我们使用高斯混合模型估计这两个类的主特征空间的概率密度,进而由最大似然法得到匹配相似度。
5) Gauss mixture model
高斯混合模型
1.
In order to overcome the limitation of Gauss mixture model(GMM),this article uses the Gibbs theory and the image structure information to construct anisotropic Gibbs random field incorporated into the GMM.
为了克服高斯混合模型(GMM)的局限性,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到GMM框架中,完善GMM的分类效果,使其在克服噪声影响的同时,还能够保持细长拓扑结构区域信息以及角点区域信息。
2.
This paper starts around the construction of Gauss Mixture Model (GMM) speaker recognition system.
本文构建了一个基于高斯混合模型的说话人识别系统。
6) GMM
混合高斯模型
1.
Combining Multiple Email Filters of Na?ve Bayes Based on GMM;
基于混合高斯模型的电子邮件多过滤器融合方法
2.
Research on the Speaker Recognition Based on VQ and GMM;
利用矢量量化（VQ）和混合高斯模型（GMM）的说话人识别的研究
3.
With ICA to realize the blind separation from mixing vibration targets,An identification method based on GMM is proposed through extracting LPC characteristic.
提出一种基于独立分量分析的混叠振动目标盲分离和混合高斯模型识别相结合的混合模型振动识别方法。
补充资料：混合计算模型
混合计算模型
hybrid computational models
hunhe Jisuan moxing混合计算模型(hybrtd computationa一m闭·els)计算机与其所控制的物理部件构成的，具有既随时间连续变化的变量又受事件驱动的离散变量的系统的数学模型。 混合系统的设计涉及控制理论和计算机科学，20世纪90年代以来引起了计算机科学界很大关注。很多混合系统要求绝对安全，如自动导航系统，核电站监测系统等。绝对安全系统的设计是计算机软件科学的重大课题。当前的软件产品耗资巨大，但多数无法避免差错。这样的软件不能用于绝对安全系统。计算机软件科学界提出使用严格的形式化方法来设计该类软件。 迄今，形式化方法所处理的对象都是离散变量(或已离散化的变量)，所用的语言及演算亦都是基于离散数学的公理化系统。而混合系统设计的形式化方法不可回避连续数学;控制理论使用的是微分方程刻画连续变量的变化规律。混合系统设计的形式化方法也不能回避离散的事件，这些事件驱动系统的变化。混合系统设计的形式化方法需要一种计算模型，它同时支持连续变量和离散事件藕合系统的计算。 近几年在已有计算理论的基础上，已陆续发展了多种混合计算模型。大体上可分为逻辑型、程序设计型和自动机型三类。 逻辑型混合计算模型的主要思想基于时态逻辑，引人时段和切变的概念。时段可用来刻画系统在一个时间区间上的连续变化，而切变则表示事件的发生(离散变量的变化)。在单个时段上，借用连续数学(微分方程理论)推导系统的行为;而在相邻时段间，则用时态逻辑中切变算子的规则，推导系统行为的转化。逻辑型计算模型中的时段演算，已引起该领域同行的广泛重视。该演算是由周巢尘，C.A.R.H(班re和A.P.Ravll所建立。 程序设计型混合计算模型是将传统的程序设计语言加以推广以容纳连续变量。推广后的程序语言可用来描述混合系统的行为。而其中的控制部分可逐步求精，变换成传统的可在计算机上执行的软件，从而生成数值控制系统。通信顺序进程〔SP，已推广为混合通信顺序进程。在这个程序语言中，有一种特殊的语句称为连续构件，它可表示一个具体给定初值的微分方程;而原有的通信语句可用来表达事件的起源和发生;程序语言中的顺序算子，条件算子等用来刻画连续构件和通信间的藕合关系。 自动机早已用于各种模拟计算系统，计算机本身亦可看作一个庞大的有限状态自动机:一个状态表示计算机中各存储器和寄存器一种取值，而计算机的操作导致计算机由一个状态转移至另一个状态。如果将自动机的状态看作是在一组微分方程控制下，一组连续变量的连续变化过程，则将状态的转移视作事件的驱动。这种推广后的自动机称作混合自动机，可用来描述和计算混合系统的行为。 总之，混合计算模型还在发展完善之中。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条