[其它] 某型航空发动机转子振动信号盲分离

说明：航空发动机振动信号往往所含成分复杂、有用成分十分微弱,信噪比低,这大大限制了已有诊断方法在早期诊断中的应用。将盲信号处理方法引入到航空发动机振动信号分析,根据振动信号的特征,采取合适的预处理手段,然后应用FastICA算法进行信号的分离研究,结果验证了盲处理方法的有效性,可以应用于航空发动机振动信号处理和故障诊断领域。
<weixin_38632825> 上传 | 大小：283kb

[其它] 基于Mumford-Shah模型的高精度MR图像轮廓提取算法

说明：基于Mumford-Shah模型的高精度MR图像轮廓提取算法
<weixin_38600253> 上传 | 大小：633kb

[其它] puppet-modules：我常用的puppet模块-源码

说明：puppet-modules：我常用的puppet模块
<weixin_42181545> 上传 | 大小：15mb

[其它] 电影数据库-源码

说明：电影数据库
<weixin_42174098> 上传 | 大小：61kb

[其它] deezerangular：Deezer角度-源码

说明：deezerangular：Deezer角度
<weixin_42116604> 上传 | 大小：128kb

[其它] 生成de Bruijn序列的降级算法

说明：讨论一种由n级de Bruijn序列产生n-1级de Bruijn序列的降级算法.方法是由n级de Bruijn序列找出其n级查寻表标签;接着通过删除该查寻表标签的相应节点的首符号,验证n-2级节点链的合法性,发现并删除节点链中的套结,实现查寻表标签的降级,最终成为n-1级查寻表标签;在此基础上建立其相应的n-1级查寻表,从而求得n-1级de Bruijn序列.文章最后给出关于算法的注解.
<weixin_38674616> 上传 | 大小：281kb

[其它] de Bruijn序列间的映射及升级算法

说明：通过由n级de Bruijn序列找出n+1级de Bruijn序列的look-up表标签,并由相应的look-up表求出n+1级de Bruijn序列,从而建立起n级de Bruijn序列到n+1级de Bruijn序列的映射,发现de Bruijn序列间的一种内在联系,导出一类任意元de Bruijn序列的升级算法。
<weixin_38685608> 上传 | 大小：265kb

[其它] 基于最小信息损失准则的降阶LQG控制器设计

说明：基于最小信息损失准则的降阶LQG控制器设计
<weixin_38608688> 上传 | 大小：423kb

[其它] 蚁群算法在最优路径规划中的应用

说明：最优路径规划是道路交通导航系统中很重要的一个功能。将路径规划问题转化为以加权路径网的以路径长度与通行时间的线性组合为目标函数的优化问题,并提出一种改进的蚁群算法应用于该问题,使规划的路径更加符合各种要求。仿真结果表明,该算法能在较短时间内根据不同需求规划出较优的路径,是行之有效的方法。
<weixin_38546622> 上传 | 大小：313kb

[其它] 具有吸引-排斥功能的经修改的Chua's电路

说明：在本文中，通过用吸引－排斥函数代替分段线性函数来修改原始蔡氏电路。 通过计算机仿真可以观察到一些新的复杂动力学行为，例如混沌。 通过分叉图分析了新电路的基本特性。 得出电路的拉格朗日稳定性条件。 提出了具有吸引力-排斥功能的这种修改后的蔡氏电路与具有三次非线性函数的修改后的蔡氏电路之间的比较。 此外，设计并模拟了可以产生多个滚动的新电路的一般化。 最后，建立了一个物理电路来可视化新系统，并报告了一些实验观察结果.Source International Journal of Bifurcati
<weixin_38666208> 上传 | 大小：641kb

[其它] 胸腺中T细胞的非线性时滞系统的全局渐近稳定性

说明：在本文中，考虑了胸腺中T细胞的分化和死亡，研究了非线性T细胞时滞系统平衡的全局渐近稳定性。 基于准稳态逼近，已经研究了平衡的局部渐近稳定性。 本文为模型平衡的全局渐近稳定性提供了充分的条件。 （C）2009 Elsevier Ltd.保留所有权利。Source非线性分析理论方法与应用，71（7-8），第2699-2707页，2009/10/1（科学引文索引扩展（SCI扩展）） ）.Source 非线性分析理论方法与应用，71（7-8），pp 2699-2707，2009.来源：非线性分析理论方法
<weixin_38752897> 上传 | 大小：970kb

[其它] 通过混合正则化对未标记目标域进行归纳转移学习

说明：近年来，目睹了对转移学习的日益增长的兴趣。 本文针对分类问题，即与源域分布不同的目标域是完全未标记的，目的是为看不见的数据建立归纳模型。 首先，我们在转导学习的先前工作中分析了类比漂移的问题，并提出了使用归一化方法向期望的类比移动的方法。 此外，我们为归纳转移学习开发了混合正则化框架。 它考虑了三个因素，包括通过流形正则化的目标域的分布几何形状，通过熵正则化的预测概率的熵值以及通过期望正则化的类别先验。 该框架用于使从源域学习的归纳模型适应目标域。 最后，对真实世界文本数据的实验表明了我们的归纳
<weixin_38674409> 上传 | 大小：232kb