EM算法和混合高斯算法的参数估计

zouxiaolv

于 2021-10-06 18:38:03 发布

阅读量219

点赞数

分类专栏：机器学习文章标签：算法机器学习

原文链接：https://zhuanlan.zhihu.com/p/32508410

版权

机器学习专栏收录该内容

24 篇文章

订阅专栏

https://blog.youkuaiyun.com/u014540876/article/details/79115805/（混合高斯各个参数的求解）

期望最大化算法（EM算法） - 知乎（EM算法详解）

高斯混合模型与EM算法的数学原理及应用实例 - 知乎
 [ML] EM 算法应用 - GMM - 知乎

 Scikit-Learn学习笔记——高斯混合模型(GMM)应用：分类、密度估计、生成模型_Little Garden-优快云博客
 GMM与EM算法的Python实现-SofaSofa（python实现）

博客等级

码龄8年

338
原创

822
点赞

3742
收藏

237
粉丝

关注

私信

热门文章

分类专栏

展开全部收起

上一篇：: 霍夫变换之圆检测

下一篇：: 最大似然估计中的“似然”如何解释？

最新评论

为整数线性规划(integer linear programming,ILP)
Zaylie: 1.5万+的访问量是什么鬼
torch.argmax中dim详解
做个铁憨憨537: a是两个3×4的数组，a.shape = torch.Size([2, 3, 4]) ①若b = torch.argmax(a, dim=0)，则a在第一个维度上作比较，也就是a[0][x][y]与a[1][x][y]比较，前者大，取第一维的索引0，后者大取第二维的索引1，因为x取0，1，2，y取0，1，2，3，所以最后的结果是一个3×4的数组，此数组由a的第一维的所有索引，也就是0和1组成； ②若b = torch.argmax(a, dim=1)，则a在第二个维度上作比较，也就是a[x][0][y]、a[x][1][y]、a[x][2][y]三者比较，哪个大取哪个的索引，因为x可取0，1，y可取0，1，2，3，所以结果是一个2×4的数组，此数组完全由第二维的索引组成； ③若b = torch.argmax(a, dim=2)，则a在第三个维度上作比较，也就是a[x][y][0]、a[x][y][1]、a[x][y][2]、a[x][y][3]三者比较，哪个大取哪个的索引，因为x可取0，1，y可取0，1，2，所以结果是一个2×3的数组，此数组完全由第三维的索引组成。
关于建立Lite-HRNet实验环境的问题
zouxiaolv: deep learinng human pose estimation 代码里面有
关键点检测——热图标签（Ground Truth）构建
lonelygoose256: 佬，有没有直接在原图上展现关键点热图的代码呀？
关于建立Lite-HRNet实验环境的问题
lonelygoose256: 还想请问一下大佬有没有生成人体关键点热图的代码和对应的npy文件呀？

最新文章

目录

展开全部

收起

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。