摘要：
我们已经讨论了有向图和无向图框架下的概率模型，那么我们有必要讨论一下它们二者的关系。 阅读全文
摘要：
上面两篇博客，解释了概率有向图（贝叶斯网），和用其解释条件独立。本篇将研究马尔可夫随机场（Markovrandomfields)，也叫无向图模型，或称为马尔科夫网（Markovnetwork)下面附上，上述实验的matlab代码。没有插入matlab选项，大家复制到matlab里面看吧。下次我用python实现吧% PRML image de-noisingclc;clear;close all;A=imread('a.jpg');%读入名字为a.jpg的图片imshow(A);M=400;N=300;%把图片处理一下大小A=imresize(A,[M,N]);X = rgb2 阅读全文
摘要：
本文会利用到上篇，博客的分解定理，需要的可以查找上篇博客D-separation对任何用有向图表示的概率模型都成立，无论随机变量是离散还是连续，还是两者的结合。部分图为手写，由于本人字很丑，望见谅，只是想把PRML书的一些部分总结出来，给有需要的人看，希望能帮到一些人理解吧。 阅读全文
摘要：
部分图为手写，由于本人字很丑，望见谅，只是想把PRML书的一些部分总结出来，给有需要的人看，希望能帮到一些人理解吧。下一篇，我将继续介绍本章内容8.2，条件独立部分图为手写，由于本人字很丑，望见谅，只是想把PRML书的一些部分总结出来，给有需要的人看，希望能帮到一些人理解吧。 阅读全文
摘要：
上篇介绍了隐马尔科夫模型本文给出关于问题3解决方法，并给出一个例子的python代码回顾上文，问题3是什么，下面给出，维比特算法（biterbi) algorithm下面通过一个具体例子，来说明维比特算法（biterbi)下面附上该解决该例题的python代码import numpy as np #you must install the numpy A=np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]]) B=np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]]) O=np.array([0 ,1... 阅读全文
摘要：
#HMM Forward algorithm #input Matrix A,B vector pi import numpy as np A=np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]]) B=np.array([[0.5,0.5],[0.4,0.6],[0.7,0.3]]) O=np.array([0 ,1, 0])#T=3 #O=np.array([1 ,0, 1])#T=3 pi=np.array([0.2,0.4,0.4]) N=3#N kind state M=2#M kind o... 阅读全文
摘要：
本文，意在说明《统计学习方法》第九章EM算法的三硬币例子，公式（9.5-9.6如何而来）下面是（公式9.5-9.8)的说明，本人水平有限，怀着分享学习的态度发表此文，欢迎大家批评，交流。感谢您的阅读。欢迎转载本文，转载时请附上本文地址：http://www.cnblogs.com/Dzhouqi/p/3203776.html另外：欢迎访问我的博客 http://www.cnblogs.com/Dzhouqi/ 阅读全文
摘要：
阅读全文
摘要：
1如果你最近才从vc6.0到vs2010,在vs2010中mfc可能遇见一个小问题，如果你添加或改天了窗口中的控件，运行程序缺没有发现其中的变化，这时候需要在debug选项中rebuild all一下就好了。很小白的问题，但是我遇见半天没解决，呵呵。希望能帮到你2VS2010， 用C++读取txt文件里的数，应该把这个txt放到VS的哪里？如果你想练习书上的例子，例如，#include "stdafx.h"#include#include#includeusing namespace std;int main(){ ifstream in("test.txt&qu 阅读全文
摘要：
阅读全文