（2.2）高斯判别分析

统计概率模型-高斯判别分析

统计概率模型 1、高斯判别分析 2、朴素贝叶斯 3、隐马尔可夫模型 4、最大熵马尔科夫模型 5，条件随机场 6，马尔科夫决策过程 一、高斯判别分析 一、生成模型 ​ 机器学习模型有一种分类方式：判别模型和生成模型。它们之前的区别在于判别模型是直接从数据特征到标签，而生成模型是从标签到数据特征。形式化的表示就是是否使用了贝叶斯公式： maxP(...

机器学习（3）高斯判别分析&朴素贝叶斯分类器

判别模型与生成模型 判别模型 判别模型是对观测数据进行直接分类，常见的判别模型有逻辑回归和感知机算法等。此模型仅对数据进行分类，并不能具象化或者量化数据本身的分布状态，因此也无法根据分类生成可观测的图像。 生成模型 与判别模型不同，生成模型首先了解数据本身分布情况，并进一步根据输入 x，给出预测分类 y 的概率。该模型有着研究数据分布形态的概念，可以根据历史数据生成新的可观测图像。 贝叶斯分类就是一个典型的例子。在这个例子中，我们有一个先验分类，根据这个先验分类，我们可以使用贝叶斯公式计算每个分类的概率，然

工业互联网工控安全与工业质检AI大模型建设方案.pptx

工业互联网工控安全与工业质检AI大模型建设方案.pptx

2024 《计算机网络》实验教学指导书.doc

2024 《计算机网络》实验教学指导书.doc

不平衡电网下自抗扰顺序模型预测PWM整流器控制仿真模型（Simulink仿真实现）

内容概要：本文围绕面向城市空中交通的多无人机路径规划问题展开研究，提出了一套融合全局规划、动态避障与局部协同调整的综合路径规划方法。研究内容涵盖基于改进RRT算法与图论的全局路径规划、基于动态风险场和动态窗口法（DWA）的模型预测控制实现动态避障，以及基于分布式协同控制的多无人机局部路径协同策略。通过Matlab平台构建仿真环境，在多种典型城市交通场景下对所提方法进行了系统性验证，结果表明该方法在路径安全性、编队稳定性与任务效率方面表现优异。文章还深入探讨了算法的创新点与未来研究方向，为复杂城市环境下多无人机系统的自主协同提供了理论支撑与技术路径。; 适合人群：具备自动化、控制理论、计算机科学或相关领域基础知识，从事无人机系统、智能交通、路径规划、多智能体协同控制等方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①为城市空中交通系统中的多无人机安全、高效飞行提供可靠的路径规划解决方案；②支持在复杂、动态的城市场景中开展无人机自主导航、编队飞行与协同控制的技术研究与仿真验证。; 阅读建议：建议结合提供的Matlab代码进行实践操作，重点关注算法的具体实现细节、参数配置对性能的影响以及不同仿真场景下的实验设计，以深入理解各模块的集成逻辑与实际应用效果。