1) skin-color probability distributions
肤色概率分布
2) SPDH
肤色概率分布直方图
1.
Four clues are summarized from the skin probability distribution histogram (SPDH) to help search candidates of optimum thresholds, and an ANN classifier is trained to select the final optimum threshold.
通过对肤色概率分布直方图(SPDH)的观察分析,可以提取出4点线索来帮助寻找最优阈值,在此基础上训练出一个人工神经网络分类器来确定最优阈值。
3) skin probability image
肤色概率图
1.
The method computed skin probability image based on TSL color space,then selected seed point,finally used multiple information to carry out region growing,extracted face contour.
首先在TSL色彩空间求取肤色概率图,选取种子点,然后利用多源信息进行区域生长,提取出人脸轮廓;为克服区域生长计算量大的缺点,采用了变分辨率图像金字塔策略。
4) skin-tone color distribution
肤色分布
1.
Based on the clustering property of skin-tone color distribution in the chrominance space, we adopt a set of circle classifiers as simple "rules" which are trained via AdaBoost to form a strengthened classifier.
提出了用圆形分类器作为弱分类器描述色度空间中的肤色分布,将AdaBoost学习算法用于肤色的聚类分析中。
5) grey probability distribution
灰色概率分布
1.
The concepts of grey probability, grey probability distribution, grey probability density, grey expectation and grey variance are applied based on the theory of probability and grey system approach.
以概率论和灰色系统理论方法为基础 ,利用灰色概率、灰色概率分布、灰色期望及灰色方差等基本概念 ,针对环境系统的随机不确定性和灰色不确定性 ,建立了基于灰色概率的非突发性环境风险度的量化方法 。
2.
The concepts of grey probability, grey probability distribution, grey probability density, grey expectation and grey variance are defined based on the theory of probability and grey system approach.
本文基于概率论和灰色系统理论方法 ,定义了灰色概率、灰色概率分布、灰色概率密度、灰色期望及灰色方差等基本概念 ,针对系统的随机不确定性和灰色不确定性 ,建立了风险分析的灰色 -随机风险率方法 。
3.
Directing towards the grey uncertainty of probability itself,the concepts of grey probability,the grey degree of grey probability,grey probability distribution,grey probability density,grey expectation and grey variance are defined based on the theory of probability and grey system approach.
针对概率本身的灰色不确定性 ,基于概率论和灰色系统理论方法 ,定义了灰色概率、灰色概率的灰度、灰色概率分布、灰色概率密度、灰色期望及灰色方差等基本概念 ,介绍了可以用于灰色概率分布参数估计的D S理论及其参数统计推断的Dempster方法和Shafer方
6) color probability distribution
颜色概率分布
1.
CamShift (Continuous Adaptive Mean Shift)is a the target detection and tracking algorithm based on the color probability distribution.
CamShift(Continuous Adaptive Mean Shift)算法是一种基于颜色概率分布的目标检测与跟踪算法,本文在传统的CamShift算法基础上实现了多目标的自动搜索,改进了初始搜索窗口的搜索方法,并实现了机器人导航中对门的多目标检测与跟踪。
补充资料:分布(概率)
分布(概率)
Distribution (probability)
分布(概率)[distributioin(probabi-lity)〕 一系列独立试验的结果、一些随机变量或误差,经常出现在一些相当正规并可预测的模型中。这些模型可以用数学方法表达出来,其中最重要的称为二项分布、正态分布和泊松分布。 二项分布考虑n次独立试验,每一次试验的结果或者是成功S,或者是失败F,其相应的概率分别为P和q一1一P。以S。表示成功的次数。因为共有(艾)种可能的方法来选择;处成功和,一;处失败,所以随机变量S。的概率分布由p‘S。一‘卜{艾)户,、一给出.这里k二。,1,一,n。这就是二项分布,它的数学期望为np.方差为n闪。参阅“概率论”(probability)条。 如果按照第k次试验是成功还是失败来令随机变量X。等于1或。,那么S。二XI+…十X。。因此.根据中心极限定理,此二项分布可以用正态分布来通近。这个特别的情形称为棣美弗一拉普拉斯定理,设 二,一(*一,户)(,:户。)一告定理断言,当n~Qo时,在一个趋于o的百分误差之内,我们有 P{S,二k}一(2万)一“Zexp(一二是/2), P{a
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