登录
首页 » matlab » 高斯回归过程

高斯回归过程

于 2020-05-28 发布
0 209
下载积分: 1 下载次数: 4
我要下载

代码说明：

说明：  高斯过程回归，代码可以再matlab2016上顺利运行，希望对学习高斯过程的你有所帮助(Gaussian process regression, the code can be run smoothly on matlab2016, I hope to help you to learn the gaussian process)

文件列表：

高斯回归过程, 0 , 2018-10-28
高斯回归过程\gmmdata.xlsx, 12114 , 2018-10-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19, 0 , 2018-06-05
高斯回归过程\gpml-matlab-v4.1-2017-10-19\.octaverc, 8 , 2010-07-23
高斯回归过程\gpml-matlab-v4.1-2017-10-19\Copyright, 1837 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov, 0 , 2018-06-05
高斯回归过程\gpml-matlab-v4.1-2017-10-19\covFunctions.m, 7962 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\apx.m, 32983 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\apxGrid.m, 35628 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\apxSparse.m, 2915 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covADD.m, 4141 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covConst.m, 533 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covCos.m, 1642 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covDiscrete.m, 2444 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covDot.m, 4125 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covEye.m, 1506 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covFBM.m, 2480 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covGabor.m, 2950 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covGaborard.m, 862 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covGaboriso.m, 747 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covGE.m, 1186 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covLIN.m, 878 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covLINard.m, 718 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covLINiso.m, 592 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covLINone.m, 1478 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covMaha.m, 8278 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covMask.m, 2077 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covMatern.m, 3060 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covMaternard.m, 992 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covMaterniso.m, 843 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covNNone.m, 2181 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covNoise.m, 808 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covOne.m, 1112 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covOU.m, 3690 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPER.m, 2744 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPERard.m, 707 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPeriodic.m, 1834 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPeriodicNoDC.m, 4121 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPERiso.m, 653 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPoly.m, 1728 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPP.m, 1920 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPPard.m, 940 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPPiso.m, 800 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covPref.m, 2069 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covProd.m, 3136 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covRQ.m, 1181 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covRQard.m, 1319 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covRQiso.m, 1165 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covScale.m, 3216 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSE.m, 1056 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSEard.m, 801 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSEiso.m, 704 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSEisoU.m, 685 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSEproj.m, 674 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSEvlen.m, 1229 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSM.m, 6966 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covSum.m, 2619 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covULL.m, 2120 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covW.m, 4131 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covWarp.m, 1988 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\cov\covZero.m, 1116 , 2016-08-25
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc, 0 , 2018-06-05
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\changelog, 257 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\checkmark.png, 198 , 2010-07-23
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\demoClassification.m, 4640 , 2017-11-27
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\demoGrid1d.m, 2642 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\demoGrid2d.m, 4217 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\demoMinimize.m, 910 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\demoRegression.m, 5188 , 2017-11-27
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\demoSparse.m, 3275 , 2016-10-18
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f0.gif, 26996 , 2016-10-19
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f1.gif, 4990 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f2.gif, 15082 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f3.gif, 13866 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f4.gif, 13141 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f5.gif, 19258 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f6.gif, 28470 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f7.gif, 31055 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f8.gif, 14698 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\f9.png, 159343 , 2016-10-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\gpml_randn.m, 1109 , 2010-07-23
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\index.html, 64203 , 2017-11-27
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\manual.pdf, 519849 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\README, 20645 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\style.css, 77 , 2010-07-23
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usageClassification.m, 2660 , 2013-10-16
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usageCov.m, 3570 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usageLik.m, 2530 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usageMean.m, 2264 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usagePrior.m, 3472 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usageRegression.m, 2744 , 2016-10-11
高斯回归过程\gpml-matlab-v4.1-2017-10-19\doc\usageSampling.m, 2636 , 2013-01-17
高斯回归过程\gpml-matlab-v4.1-2017-10-19\gp.m, 10560 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\inf, 0 , 2018-06-05
高斯回归过程\gpml-matlab-v4.1-2017-10-19\infMethods.m, 2660 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\inf\infEP.m, 17828 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\inf\infGaussLik.m, 1839 , 2017-11-28
高斯回归过程\gpml-matlab-v4.1-2017-10-19\inf\infGrid.m, 9908 , 2016-10-18
高斯回归过程\gpml-matlab-v4.1-2017-10-19\inf\infKL.m, 5854 , 2017-11-26
高斯回归过程\gpml-matlab-v4.1-2017-10-19\inf\infLaplace.m, 5464 , 2017-11-26

下载说明：请别用迅雷下载，失败请重下，重下不扣分！

发表评论

0 个回复

  • PSO
    基本的群智能算法MatLab范例程式,对刚接触PSO的新手来说,可以有初步的认知(Basic particle swarm optimization source code)
    2009-02-26 11:38:43下载
    积分：1
  • feijidong_zhong
    卡尔曼滤波器运用于目标跟踪，据此编写的对于非机动模型的仿真(Kalman filter used in target tracking, has been prepared accordingly for non-motorized model simulation)
    2010-01-03 17:05:29下载
    积分：1
  • peterdejong2
    fractal compression of fractalized image
    2012-04-18 23:37:24下载
    积分：1
  • Modeling-of-discrete-systems
    该实例主要是对离散时间系统建模与仿真。例子是以设计一个数字低通滤波器F（z），从受噪声干扰的多频率混合信号x（t）中获取10hz的信号。希望对研究电磁兼容以及学习MATLAB的学者有所帮助。(The examples are mainly discrete-time systems modeling and simulation. Example is the design of a digital low-pass filter F (z), acquiring a signal 10hz noise interference multi-frequency mixed signal x (t) in. I hope to study electromagnetic compatibility and scholars studying the MATLAB help.)
    2014-11-07 22:05:20下载
    积分：1
  • RVM-class
    支持向量机是用于分类与回归的技术。由于其自身的诸多缺点，如无法获得概率输出，需要估计一个误 差参数C，以及必须使用Mercer 核函数等。相关向量机算法，克服了SVM 上述缺点，RVM 能获得与SVM 相比拟的推 广性能，并且更为稀疏。在此基础上，文中介绍了一种RVM 回归用于分类的新分类方法，用RVRC 来表示。并通过 实验证明了它的可行性。(Support vector machines for classification and regression techniques. Due to its many shortcomings, such as the probability that the output can not be obtained, need to estimate an error parameter C, and the need to use Mercer kernel function and so on. Relevance vector machine algorithm to overcome these shortcomings of SVM, RVM and SVM can be obtained comparable to promote performance and more sparse. On this basis, the paper introduces a RVM regression was used to classify new classification method, RVRC to represent. And through experiments proved its feasibility.)
    2013-11-21 11:28:50下载
    积分：1
  • MATLAB
    利用超星阅览器阅读的书籍，介绍关于Matlab的使用方法(Use Chaoxing reader to read books, information on the use of Matlab)
    2008-01-26 19:25:12下载
    积分：1
  • spyeffection11
    说明：  利用Matlab程序实现蝴蝶混沌效应，该例程形象直观的再现了数值分析有关原理(using Matlab program Chaos Butterfly Effect, the routine visual image of a replay of the numerical analysis of the principle)
    2006-03-31 21:27:04下载
    积分：1
  • Ch1-Introduction
    非线性光纤光学课件，简单清晰明了。适合入门级学习(nonlinear fiber ppt)
    2014-01-03 12:30:50下载
    积分：1
  • lorenz
    通过4阶龙格库塔方法求解混沌系统的微分方程(Through four order Runge-Kutta method for solving differential equations of chaotic systems)
    2013-07-22 21:00:00下载
    积分：1
  • CtsXmlResultReporter
    Ensure the default values are set for any receiver, activity, service, etc. of Calendar.
    2013-11-26 14:53:36下载
    积分：1
  • 696518资源总数
  • 106155会员总数
  • 8今日下载

热门标签

Visual C++ matlab C/C++ Java Others Unix_Linux EasyLanguage易语言 Visual Basic C# PDF C++ Delphi VHDL ASP WINDOWS
热门下载

Copyright© 2019-2025 | Powered by Imdn | 浙ICP备16007336号 | IMDN交流 | 联系客服（QQ：3324461878）

本网站资源收集自网络及网站用户上传，若有侵权请邮件至（3324461878@qq.com），核实后我们会在24小时内删除，谢谢！