枫飞飞

摘要： 现在，重点是要了解并解决HMM 的三个问题。问题1，已知整个模型，我女朋友告诉我，连续三天，她下班后做的事情分别是：散步，购物，收拾。那么，根据模型，计算产生这些行为的概率是多少。问题2，同样知晓这个模型，同样是这三件事，我女朋友要我猜，这三天她下班后北京的天气是怎么样的。这三天怎么样的天气才最有可 阅读全文

摘要： https://www.zhihu.com/question/20136144 作者：知乎用户链接：https://www.zhihu.com/question/20136144/answer/37291465来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 尝试用高中 阅读全文

摘要： 首先将其基本的概率进行讲解：马尔科夫性质（Markov property）：简单的说，就是当一个随机过程在给定现在状态及所有过去状态情况下，其未来状态的条件概率分布仅依赖于当前状态。换句话说，在给定现在状态时，它与过去状态（即该过程的历史路径）是条件独立的（也就是没有任何的关系），那么此随机过程即具 阅读全文

摘要： https://blog.csdn.net/maverick17/article/details/79574917 1. 马尔科夫模型 1.1马尔可夫过程 马尔可夫过程（Markov process）是一类随机过程。它的原始模型马尔可夫链，由俄国数学家A.A.马尔可夫于1907年提出。该过程具有如下 阅读全文

摘要： https://blog.csdn.net/qq_37193537/article/details/78987949 1.将字符串的时间转换为时间戳 方法: a = "2013-10-10 23:40:00" 将其转换为时间数组 import time timeArray = time.strpti 阅读全文

摘要： 九、朴素贝叶斯分类 P(A) - A事件发生的概率 P(A,B) - A和B两个事件同时发生的概率，联合概率 P(A|B) - 在B事件发生的条件下A事件发生的概率，条件概率 贝叶斯定理：P(A,B) = P(B)P(A|B) P(B,A) = P(A)P(B|A) P(B)P(A|B) = P(A 阅读全文

摘要： https://blog.csdn.net/li8zi8fa/article/details/76176597 朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单，也很容易实现，多用于文本分类，比如垃圾邮件过滤。该算法虽然简单，但是由于笔者不常用，总是看过即忘 阅读全文

摘要： 隐马尔科夫模型用于speech和image的原因是，因为hmm模型主要是适用于前后特征有关联性（参考骰子案例）的数据，有三种模式， 其中一种模式就是通过数据输出判断来源分类，而speech和image就是这样的，因此可以用于此模型。 训练原理暂时还没有总结，未知 阅读全文

摘要： https://www.zhihu.com/question/20962240 作者：Yang Eninala链接：https://www.zhihu.com/question/20962240/answer/33438846来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出 阅读全文

摘要： https://www.cnblogs.com/huhuuu/p/3538850.html 有时候，我们需要提取一个图像的边缘利于计算。 opencv实现了Canny边缘检测的函数，方便调用。Canny算子的原理是首先在x,y方向求一阶导数，然后组合为4个方向的导数。这些方向的导数达到局部最大值的点 阅读全文