1) generalized Gaussian mixture model
混合广义高斯密度模型
2) Gaussian mixture model
混合高斯密度模型
1.
Research and extension of remote sensing image change detection method based on gaussian mixture model and contextual information
基于混合高斯密度模型和空间上下文信息的遥感影像变化检测方法及扩展
2.
Firstly,the differential spectral features are modeled by using Gaussian mixture model(GMM) and initial change area is obtained by using MRF minimum error .
以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。
4) Continuous Gaussian mixture Hidden Markov Mode(lCGHMM)
连续高斯混合密度隐马尔可夫模型
1.
In this paper,a new fault diagnosis scheme using acoustic signals is proposed for the bearings by introducing Continuous Gaussian mixture Hidden Markov Mode(lCGHMM) method,in which the data processing error due to vector quantization is avoided,and therefore the diagnosis precision is improved.
率先引入基于连续高斯混合密度隐马尔可夫模型的轴承故障音频诊断方法,避免矢量量化带来的数据处理误差,提高了系统诊断精度;引入基于聚类算法的模型参数初始化方法和标定系数的前向-后向算法,简化系统复杂度,加快了训练和诊断速度,进一步提高了诊断精度。
5) generalized Gaussian model
广义高斯模型
1.
Blind steganalysis of image based on Multiwavelet generalized Gaussian model;
基于Multiwavelet广义高斯模型的图像盲隐写分析
2.
In this work,the generalized Gaussian model and the Laplacian model,which are used most widely,were studied.
针对离散余弦变换(DCT)系数分布模型类型存在的异议,研究并比较了拉普拉斯模型和广义高斯模型。
3.
In this paper,through using histograms to estimate the marginal and joint statistics of Curvelet and Contourlet,Generalized Gaussian Model and Hidden Markov Model in respective domains are proposed.
针对目前模型主要以自然图像的简化模型为基础进行分析,导致与真正的自然图像还相差甚远的特点,本文采用直方图估计曲波域和轮廓波域的边缘分布,分析联合分布统计信息,提出曲波域广义高斯模型和轮廓波域隐马尔可夫模型,2模型都能够有效地描述变换域系数在尺度间,尺度内和方向间的统计相关性,便于对更加复杂的图像进行处理。
6) Gaussian mixture density
高斯混合密度
1.
Gaussian Mixture Density Modelling and Decomposition (GMDD) is a hierarchical clustering method based on robust statistical theory.
高斯混合密度降解模型（ＧＭＤＤ）是一种基于稳健统计理论的层次结构的聚类模型。
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