Matlab Development of Local Linear Kernel Regression Enhancing Gaussian Kernel Estimator Functions

DFT的Matlab源代码示例，用于通过DFT实现任意一维函数与高斯核之间的卷积。该代码利用卷积定理，简化计算过程。

这个实现是一个可靠且极快的一维数据核密度估计器，假设采用高斯核并自动选择带宽。与其他许多实现不同，它不受多模态密度的影响，这种估计不会因数据中存在广泛分离模式而恶化。输入数据为构建密度估计的数据向量，网格点数间隔为2的幂，如果不是2的幂则向上取整为2的下一个幂。默认网格点数为2^12。区间[MIN, MAX]由数据的最小值和最大值确定。输出为自动选择的带宽。

Neo4j Kernel 是一款轻量级嵌入式 Java 数据库，用于存储结构化为图形而非表格的数据。

Neo4j内核是一个轻量级的嵌入式Java数据库，存储结构化为图形而不是表格的数据。有关更多信息，请参阅neo4j官网。 org.neo4j/neo4j-kernel/1.7/neo4j-kernel-1.7.jar

Neo4j内核是一个轻量级的嵌入式Java数据库，存储结构化为图形而不是表格的数据。有关更多信息，请参阅Neo4j官网。 org.neo4j/neo4j-kernel/4.2.5/neo4j-kernel-4.2.5.jar

This submission includes useful MATLAB functions for speaker recognition using adapted GMM. The implementation details for steps (i)-(iii) can be found in [1]. The fourth function, gmm2sv.m, connects the means (i.e., centers) of the GMM. The cascade means of the adapted GMM are referred to as the GMM supervector (GSV), which is used in the GMM-SVM based speaker recognition system. More information about the GMM-SVM based speaker recognition system can be found in [2]. These codes require the Netlab toolbox. You can access it at: Netlab Toolbox. References: [1] DA Reynolds, TF Quatieri, and RB Dunn, “Speaker Verification Using Adapted Gaussian Mixture Models,” Digital Signal Processing, Vol. 10, pp. 19–41, 2000. [2] Campbell, W. M.; Sturim, D. E.; Reynolds, D. A.; “Support Vector Machines Using GMM Supervectors for Speaker Verification,” Signal Processing Letters.

Neo4j Kernel是一款轻量级嵌入式Java数据库，专为存储图形化结构化的数据（而非表格数据）而设计。

Neo4j内核是一款轻量级的嵌入式Java数据库，专注于存储结构化为图形而非表格的数据，提供灵活且强大的数据管理能力。有关更多信息，请访问 Neo4j官网。具体版本信息：org.neo4j/neo4j-kernel/3.5.0-alpha04/neo4j-kernel-3.5.0-alpha04.jar。

该包包含稳健点集的MATLAB代码，基于ICCV'05论文中描述的配准算法：“冰健和Baba C. Vemuri，一种使用高斯混合的点集配准鲁棒算法。”软件包可从以下网址免费下载：http://www.cise.ufl.edu/research/cvgmi/Software.php#gmmreg