I = imread('DSC_0034.JPG'); J = imnoise(I,'gaussian',0.20); figure, imshow(I), figure, imshow(J)
分类：
其他好文 时间：
2014-06-20 18:59:26
阅读次数：
212
这部分 cover 两个比较特殊的情形，一个是 Gaussian networks，一个是
exponential family。正态分布常见的参数化策略是均值 和协方差矩阵 ，另一种是使用 information matrix/precision
matrix，即 ，另可以用所谓 potenti....
分类：
其他好文 时间：
2014-06-08 23:10:53
阅读次数：
296
This is the beginning of my plan. Or this is a
manifesto, a motivation for me. Note what I read, good or bad, old or new, Tao
or method. Maybe sometim...
分类：
其他好文 时间：
2014-06-05 15:57:51
阅读次数：
373
本文对应公开课的第13个视频，这个视频仍然和EM算法非常相关，第12个视频讲解了EM算法的基础，本视频则是在讲EM算法的应用。本视频的主要内容包括混合高斯模型（Mixture of Gaussian, MoG）的EM推导、混合贝叶斯模型（Mixture of Naive Bayes，MoNB）的EM推导、因子分析模型（Factor Analysis Model）及其EM求解。由于本章内容较多，故而分为AB两篇，本篇介绍至混合模型的问题。...
分类：
其他好文 时间：
2014-06-05 07:01:14
阅读次数：
259
混合高斯模型（Mixtures of Gaussians）和EM算法 主要内容： 1、
概率论预备知识 2、 单高斯模型 3、 混合高斯模型 4、 EM算法 5、 K-means聚类算法 一、概率论预备知识 1、 数学期望/均值、方差/标准差
设离散型随机变量X的分布律为 则称为X的数学期望或均值 ...
分类：
其他好文 时间：
2014-05-17 21:50:45
阅读次数：
597
研究压缩感知的一个基本工作就是生成原始的信号，也就是y=Ax中的x。一般来说，x是一个长度为N的列向量，稀疏度为k，其中x的非零位置组成的集合称作支撑集T。
x中的非零元素集合一般独立同分布四种随机分布。
1、Uniform，开区间(0,1)上的均匀分布。
2、Signs，伯努利分布，待选集合为{-1,1}，等概率选取。
3、Gaussian，标准正态分布N(0,1)
4、Power，能...
分类：
其他好文 时间：
2014-05-13 00:24:13
阅读次数：
424
