序列蒙特卡罗方法相关论文
基于概率假设密度滤波（PHD）的检测前跟踪（TBD）技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显，......
针对非线性非高斯时间序列，提出观测噪声服从隐马尔可夫模型（HMM）的径向基函数（RBF）神经网络（RBF-HMM）预测模型，其特点在于模型输入包含误......
在衰落信道下检测传输符号是序列蒙特卡罗方法在通信领域中的一个重要应用.由于在序列蒙特卡罗方法中重要函数的选择直接会影响系......
提出了轮廓提取的概率方法,同时将物体形状的统计先验信息和轮廓线的平滑性结合到轮廓的概率估计中首先应用主元分析对低维空间概......
音频音乐信号的特征分析具有广泛的应用前景，如音乐检索、乐器识别等。本文先引入贝叶斯节奏模型，然后用基于贝叶斯理论的序列蒙特卡......
近年来,无线传感器网络(Wireless Sensor Networks, WSN)以其巨大的应用潜力吸引了众多国内外研究者的关注。然而,设计一个能够达......
决策是人们生产、生活和工作中一项基本思维和实践活动。小至个人生活,大至整个国家建设,都会遇到对一些行动方案可行性及优劣做出......
基于神经网络的时间序列预测方法,需要正确确定网络结构,它关系到所建模型的合理性以及预测的准确性。目前确定网络结构的绝大多数......
针对非线性非高斯时间序列,提出观测噪声服从隐马尔可夫模型(HMM)的径向基函数(RBF)神经网络预测模型—RBF-HMM模型,该模型具有如......
