东华大学核密度估计大作业KDE

资 源 简 介

东华大学核密度估计大作业KDE

详 情 说 明

核密度估计（Kernel Density Estimation, KDE）是机器学习中用于概率密度函数非参数估计的重要方法。东华大学此大作业分为两个实践性环节：

三维密度可视化 在MATLAB中实现三维KDE时，关键在于选择合适的高斯核函数带宽参数，带宽过大会导致过度平滑，过小则引入噪声。通过meshgrid生成三维坐标网格后，对每个数据点施加核函数贡献并叠加，最终用surf或scatter3配合colormap呈现概率密度的渐变色彩，峰值区域通常用暖色（如红色）突出。

运动目标二值化检测 第二部分将KDE应用于运动目标检测： 对视频帧序列建立背景的像素级KDE模型，通过历史帧数据学习背景颜色分布； 当新帧到来时，计算各像素属于背景概率，低于阈值的判定为运动目标（运动员）； 输出二值图像时需处理噪声，常用形态学操作（如开运算）消除孤立白点，最终白色像素连通域对应运动主体。此方法对光照变化具有鲁棒性，但动态背景（如摇晃树叶）需结合光流法改进。