注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. costas_loop代码

  2. clear all; close all; clc; % 最近同步技术里面有很多关于costas环的帖子,很多集中讨论环路滤波的，也有自己做了程序发出来。但都没有一个完整的结论和系统的有方向性的讨论点.最近做了一个simulink仿真.个人认为现有的所谓经典方法很难被别人掌握.因此，从锁相环的原理出发,结合现成的经典方法,做了这个仿真.说明一下: % 一个是高载频,一个是低载频的。低载频的我用的FIR代替的积分清零器,大家可以换成积分清零器件.阶数应该几阶就可以了。 % % 1:如果是没有进行

  3. 所属分类：IT管理

    • 发布日期：2012-10-08
    • 文件大小：9kb
    • 提供者：panjie0949

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14mb
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14mb
    • 提供者：a121649982

  1. 《MATLAB R2016a智能计算25个案例分析》源码

  2. 目录 第1章控制系统案例的MATLAB实现 1.1MATLAB/Simulink在时域分析中的应用 1.2MATLAB在积分中的应用 1.3MATLAB在微分方程中的应用 1.4MATLAB/Simulink在根轨迹分析中的应用 1.5MATLAB在频域响应中的应用 1.6MATLAB/Simulink在状态空间中的应用 1.7MATLAB在PID控制器设计中的应用 1.8MATLAB在导弹系统中的应用 第2章通信系统建模与仿真 2.1数字信号的传输 2.1.1数字信号的基带传输 2.1.2数

  3. 所属分类：其它

    • 发布日期：2018-06-04
    • 文件大小：3mb
    • 提供者：williamanos

  1. 基于GDAL的Python实现遥感影像PCA的代码

  2. PCA基本步骤： 对数据进行归一化处理（代码中并非这么做的，而是直接减去均值） 计算归一化后的数据集的协方差矩阵 计算协方差矩阵的特征值和特征向量 保留最重要的k个特征（通常k要小于n），也可以自己制定，也可以选择一个阈值，然后通过前k个特征值之和减去后面n-k个特征值之和大于这个阈值，则选择这个k 找出k个特征值对应的特征向量 将m * n的数据集乘以k个n维的特征向量的特征向量（n * k）,得到最后降维的数据。

  3. 所属分类：专业指导

    • 发布日期：2018-09-10
    • 文件大小：2kb
    • 提供者：qq_42840712

  1. 使用Stata做主成分分析.pdf

  2. 使用Stata做主成分分析,利用stata如何做主成分分析做了详细的解释0171215 使用 Stata做主成分分析 original data space PCA component space PC 1 PC 2 PC 1 Gene 2 Gene t 图1 但是,对于更高维的数据,能想象其分布吗?就算能描述分布,如何精确地找到这些主成分的 轴?如何衡量你提取的主成分到底占了整个数据的多少信息?所以,我们就要用到主成分分析的 处理方法。 3.数据降维 为了说明什么是数据的主成分,先从数据降维说

  3. 所属分类：讲义

    • 发布日期：2019-07-16
    • 文件大小：3mb
    • 提供者：qingjiang1793

  1. 来自晶格QCD的具有非扰动重归一化的Parton分布函数

  2. 我们在非扰动正则化不变动量减法（RI / MOM）重新规范化的情况下，为等矢量非极化parton分布提供了晶格结果。 在大动量有效场理论（LaMET）的框架中，在晶格上计算出与动量有关的准分布的完全Bjorken-x依赖关系，并以一环级与普通光锥Parton分布匹配，包括功率校正 。 本文详细介绍了将晶格和连续矩阵元素连接起来的RI / MOM重归一化的重要步骤。 结果的一些后果也将在这里解决。

  3. 所属分类：其它

    • 发布日期：2020-04-16
    • 文件大小：669kb
    • 提供者：weixin_38693084

  1. 在RI / MOM方案中匹配介子准分布幅度

  2. 在大动量有效理论的框架内，可以从晶格QCD中的准分布幅度（DA）直接计算出光锥分布幅度（LCDA）的x依赖性。 在本文中，我们研究了正则无关动量减法（RI / MOM）方案中准DA的单环重新归一化。 如果准格子分布函数在晶格上和扰动理论中以相同的方式实现，则可以使用拟parton分布函数的重新规范化因子对准DA进行规范化。 我们推导了将RI / MOM方案中的准DA匹配到MS方案中的LCDA的单环匹配系数。 我们的结果提供了从准DA的晶格矩阵元素中提取LCDA的关键步骤。

  3. 所属分类：其它

    • 发布日期：2020-04-16
    • 文件大小：175kb
    • 提供者：weixin_38571449

  1. 2HDM中与规格无关的M S $$ \ overline {\ mathrm {MS}} $$重新规范化

  2. 我们提出了一种基于CP守恒的两希格斯-双重峰模型的一致的重归一化方案，该模型基于混合角和软Z 2对称破缺尺度的MS $$ \ overline {\ mathrm {MS}} $$重归一化 希格斯领域的金融专家。 该方案需要在计算的所有步骤中完全一致地对待t，以提供与标尺无关的S矩阵元素。 我们展示了如何定义裸露的物理参数，并通过在一般Rξ-gauge中的显式计算来验证物理量的规范独立性。 该过程很简单，适用于希格斯扇区扩展的其他模型。 与提出的方案相比，混合角的MS $$ \ overline

  3. 所属分类：其它

  1. Kmeans_class.py

  2. Step1：读取Excel中的Sheet2表的数据，分别保存到数据集矩阵和队伍名字向量中，并把数据集矩阵中数据进行归一化操作。 Step2：根据需要的分类数k,在数据集中随机初始化k个中心点 Step3：计算数据集中的每一条数据到k个中心点的距离，进行初始化标签处理。 Step4：根据k个分类中的数据求其平均作为新的中心点 Step5：判断新的中心点是否与旧的中心点完全一致，不是的话，依次迭代3,4步骤，直到中心点完全一致，模型收敛。 输出相应k个类别中对应的球队数。

  3. 所属分类：机器学习

    • 发布日期：2020-03-09
    • 文件大小：5kb
    • 提供者：wws_2017

  1. 阵列信号处理试题及答案_国科大.pdf

  2. 本资源是国科大阵列信号处理课程考试的一套题，附有当时考生的个人完整答案总结在误差(协方差矩阵估计精度受样本数目的限制),会影响波束形成器的性能。随着 快拍数增加,波束形成器性能逐渐趋向于 波束形戊器。数据样本中不存在期 望信号时,要保证波束输出比最优情况下损失在以内,样本快拍数大约需 要大于2M。数据样本中期望信号越大,波束形成器的性能下降约严重。 如下图所示,假设M=2 泼束形成器加权向量为 WMVDR=a924,主要考虑以 下几种情况:只有空间白噪声时,Rx=1 波束形成器蜕化为常规波東形成

  3. 所属分类：讲义

    • 发布日期：2019-07-08
    • 文件大小：573kb
    • 提供者：cxk207017

  1. 中南大学计算机学院梁毅雄老师授课-数字图像处理-考试要点答案整理

  2. 中南大学计算机学院梁毅雄老师授课考试要点答案整理。此文档受众：中南大学！计算机学院！梁毅雄老师授课学生！数字图像处理！中南大学计算机学院梁毅雄老师授课考试重点整理 2019.07.03 Canny边绿检测算法 基本原理 图象边缘检测必须满足两个条件:一能有效地抑制噪声;二必须尽量精确确 定边缘的位置。 从数学上表达了三个准则[信噪比准则(低错误率)、定位精度准则、单边缘 响应准则」,并寻找表达式的最佳解 属于先平滑后求导的方法 步骤 1)使用高欺滤波器,以平滑图像,滤除噪声。 2)计算图像中每个

  3. 所属分类：讲义

    • 发布日期：2019-07-04
    • 文件大小：5mb
    • 提供者：sinat_31857633

  1. 基于Walsh-Hadamard投影的快速Nonlocal-Means图像去噪.pdf

  2. NLM改进论文，可供算法工程师参考，Walsh-Hadamard投影。382 宇航学报 第32卷 NL- means模型利用观测图像中其它像素点的窗口内,将算法的计算复杂度降为o(m2·n2t2) 加权和来表示当前点图像像素值的估计,即2-1 即便如此, NL-means去噪算法的计算量还是比较 X()=NL()=∑o(i,Y()(2)大,特别是比较窗口和搜索窗口的尺寸较大时,算法 权值o(i,j代表了像素点i和j的相关性, Buade速度较慢。 提出使用以像素点和j为中心的图像块的欧式距 由式

  3. 所属分类：图像处理

    • 发布日期：2019-07-02
    • 文件大小：879kb
    • 提供者：irwin0112

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：305kb
    • 提供者：abacaba

  1. 基于BP神经网络模型的国家脆弱性问题的求解

  2. 随着人类社会的进步和发展，环境对一个国家的影响不容小觑，其中气候变化对人类生活方式产生深远意义和影响，进而改变国家的脆弱性，本文基于人工智能理论构建了一个国家脆弱性评价模型并利用相关系数法讨论气候变化如何影响区域的不稳定性，发现气候变化对区域稳定性有着举足轻重的作用。问题重述 1.1问题背景 候变化通过对区域稳定性产生影响,进而改变国家的脆弱性,当它与薄弱的政府 治理和社会分裂相结合时,可以引发一系列的暴力恶性事件,通常沿着潜在的民族和政 治分歧发展。早在20世纪90年代,这一概念就已经为一些主

  3. 所属分类：其它

    • 发布日期：2019-03-15
    • 文件大小：1mb
    • 提供者：zrg_hzr_1

  1. 归一化8点算法求解基本矩阵F

  2. 双目视觉领域的经典论文，归一化8点算法求解F阵，作者Richard I. Hartley。matlab源码：http://download.csdn.net/detail/shyn02588/9673241

  3. 所属分类：互联网

    • 发布日期：2016-11-04
    • 文件大小：445kb
    • 提供者：shyn02588

  1. 对python3 一组数值的归一化处理方法详解

  2. 1、什么是归一化： 归一化就是把一组数（大于1）化为以1为最大值，0为最小值，其余数据按百分比计算的方法。如：1，2，3.，那归一化后就是：0，0.5，1 2、归一化步骤： 如：2，4，6 （1）找出一组数里的最小值和最大值，然后就算最大值和最小值的差值 min = 2； max = 6； r = max – min = 4 （2）数组中每个数都减去最小值 2，4，6 变成 0，2，4 （3）再除去差值r 0，2，4 变成 0，0.5，1 就得出归一化后的数组了 3、用python 把一个矩阵中

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：36kb
    • 提供者：weixin_38540819

  1. CNTK：Microsoft认知工具包（CNTK），一种开源的深度学习工具包-源码

  2. CNTK 聊天室 Windows构建状态 Linux构建状态 Microsoft认知工具包（ ）是一个统一的深度学习工具包，它通过有向图将神经网络描述为一系列计算步骤。 在此有向图中，叶节点表示输入值或网络参数，而其他节点则表示对其输入的矩阵运算。 CNTK允许用户轻松实现和组合流行的模型类型，例如前馈DNN，卷积网（CNN）和递归网络（RNN / LSTM）。 它实现了随机梯度下降（SGD，错误反向传播）学习，并在多个GPU和服务器之间实现了自动区分和并行化。 自2015年4月以来，CN

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：190mb
    • 提供者：weixin_42122988

  1. noisyR-源码

  2. noisyR ：通过表征随机技术噪声来增强测序数据集中的生物信号 高通量测序可实现转录物定量的前所未有的分辨率，但代价是要放大技术噪音的影响。 持续降低随机背景噪声以捕获对功能有意义的生物信号仍然具有挑战性。 引入低水平表达变异的内在测序变异会掩盖下游分析中的模式。 noisyR软件包包括一个端到端流水线，用于量化和消除HTS数据集中的技术噪声。 流水线的三个主要步骤是[i]样本间的相似度计算，[ii]噪声量化和[iii]噪声消除； 每个步骤都可以使用超参数进行微调； 还确定了这些参数的最佳

  3. 所属分类：其它