卡尔曼滤波在大学课程《现代控制理论》当中有涉及详细讲解。卡尔曼滤波使用条件有：1、线性系统； 2、系统中噪声(不确定性)服从高斯分布。下文中的方差、误差、偏差、协方差都指不确定性的意思。误差 = 偏差；方差 = 偏差 ²。在无人驾驶导航定位当中，需要多传感器对汽车位姿进行检测 ；在多传感器融合方面， ...
分类：
其他好文 时间：
2019-01-02 20:09:24
阅读次数：
253
当概率模型依赖于无法观测的隐性变量时，使用普通的极大似然估计法无法估计出概率模型中参数。此时需要利用优化的极大似然估计：EM算法。 在这里我只是想要使用这个EM算法估计混合高斯模型中的参数。由于直观原因，采用一维高斯分布。 一维高斯分布的概率密度函数表示为： 多个高斯分布叠加在一起形成混合高斯分布： ...
分类：
编程语言 时间：
2019-01-01 16:08:21
阅读次数：
235
1.用途 现实是我们的处理和测量模型都是非线性的，结果就是一个不规则分布，KF能够使用的前提就是所处理的状态是满足高斯分布的，为了解决这个问题，EKF是寻找一个线性函数来近似这个非线性函数，而UKF就是去找一个与真实分布近似的高斯分布。 KF处理线性模型: EKF 通过雅克比和偏导数近似非线性模型， ...
分类：
其他好文 时间：
2018-12-22 17:26:18
阅读次数：
351
在线性高斯系统中，状态方程、观测方程时线性的，且两个噪声项服从零均值的高斯分布。高斯分布经过线性变换后仍为高斯分布。 假设我们知道一个线性系统的状态差分方程为： 其中是k时刻系统的状态向量，n*1列向量；A系统转换矩阵 n*n， u为系统输入向量，大小k*1。B是将输入转换为状态的矩阵，大小n*k。 ...
分类：
其他好文 时间：
2018-12-15 19:52:15
阅读次数：
233
loc平均值scale(scale)标准差pdf(x,loc=0,scale=1)正态分布（Normaldistribution），也称“常态分布”，又名高斯分布（Gaussiandistribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计
分类：
编程语言 时间：
2018-12-10 23:29:18
阅读次数：
224
由k个高斯模型加权组成，α是各高斯分布的权重，Θ是参数。对GMM模型的参数估计，就要用EM算法。更一般的讲，EM算法适用于带有隐变量的概率模型的估计，即不同的高斯分布所对应的类别变量。 为何不能使用极大似然估计，如果直接使用极大似然估计，没有考虑数据中的隐变量，很明显是不合适的。 那我们将隐变量考虑 ...
分类：
编程语言 时间：
2018-12-10 11:45:11
阅读次数：
234
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 3. 垃圾邮件分类 数据准备： 用csv读取邮件数据，分解出邮件类别及邮 ...
分类：
其他好文 时间：
2018-12-06 17:59:39
阅读次数：
170
一，一维高斯分布 N（μ，δ2） 二，多维高斯分布 二维高斯分布，这时的随机变量组成了随机向量：v=[x,y]T。 图2.1 图2.2 注意：这两种图的区别。2.1图是二维高斯分布的各采样点的分布，这些点是二维分布的高斯点，通过点的疏密才能看出分布概率的大小。2.2图是二维高斯分布点和点的概率分布图 ...
分类：
其他好文 时间：
2018-11-29 15:06:40
阅读次数：
251
EM算法：让期望最大化的算法最大似然估计：已知：样本服从分布的模型 观测到的样本求解：模型的参数 极大似然估计是用来估计模型参数的统计学方法 就是什么参数能使得样本符合这么一个模型最大似然函数：什么样的参数使得出现当前这批样本概率最大 利用结果推出参数的最大值 问题提升：有两个类别，这两个类别都服从 ...
分类：
编程语言 时间：
2018-11-26 20:58:40
阅读次数：
23591
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 3. 垃圾邮件分类 数据准备： 用csv读取邮件数据，分解出邮件类别及邮 ...
分类：
其他好文 时间：
2018-11-26 13:46:34
阅读次数：
235
