本文的安排如下: 第二部分简单介绍高斯混合模型(GMM), 高斯过程和EM算法, 第三部分 研究高斯过程混合模型(GPMM)和基于EM算法的参数求取, 以及基于GPMM的高光谱数据分 类算法, 第四部分给出数值实验结果, 最后第五部分为结论.
基于8个网页-相关网页
提出一种鲁棒自适应表面模型，该模型中每个像素值的变化过程由一混合高斯分布描述。
A robust and adaptive appearance model is proposed, in which the value of each pixel over time is modeled by a mixture of Gaussians.
再针对具体的自动标注过程，建立了基于高斯混合模型的自动图像标注模型。
And then, taking into account the specific process of automatic image annotation, we built the automatic image annotation model based on Gaussian mixture model.
混合高斯模型在训练背景模型的过程中效果良好，但其收敛速度较慢。
The effect of Gaussian Mixture model used in training background model is good, but its convergence velocity is low.
应用推荐