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. 图像熵的matlab程序

  2. 计算图像的一阶熵，二阶熵，差分熵。差分运行有些慢，大家可以自己改下

  3. 所属分类：其它

    • 发布日期：2009-12-09
    • 文件大小：31744
    • 提供者：gaohe850911

  1. 计算图像的熵（一阶熵）

  2. 用MATLAB程序编写的计算图的熵。一阶熵、二阶熵、差熵。

  3. 所属分类：其它

    • 发布日期：2009-12-16
    • 文件大小：1024
    • 提供者：dacongcc

  1. shannon计算的matlab函数代码

  2. 香农熵shannon计算的matlab函数代码(PCNN程序中的终止指标作者-兰州理工大学)

  3. 所属分类：其它

    • 发布日期：2010-04-09
    • 文件大小：1024
    • 提供者：wei2wy

  1. 数据挖掘在各行业的应用论文

  2. 数据挖掘在各行业的应用论文 数据仓库与数据挖掘.caj 空间数据挖掘技术.caj 数据仓库与数据挖掘技术及其在科技情报业的应用前景.caj 相关案件的数据挖掘.caj 数据挖掘技术.caj 一种实时过程控制中的数据挖掘算法研究.caj EIS 环境下的数据挖掘技术的研究.caj 数据挖掘及其工具的选择.caj 数据挖掘技术与中国商业银行业务发展策略.caj 数据挖掘工具DMTools的设计与实现.caj 数据仓库、数据挖掘在银行中的应用.caj 基于信息熵的地学空间数据挖掘模型.caj 数据挖

  3. 所属分类：其它

    • 发布日期：2010-04-19
    • 文件大小：13631488
    • 提供者：liaosaien

  1. 独立分量分析负熵程序

  2. 独立分量分析中的程序，其中有负熵的具体计算流程

  3. 所属分类：专业指导

    • 发布日期：2010-06-05
    • 文件大小：2048
    • 提供者：guojane

  1. 基于熵的网络学习模糊综合评价方法

  2. ：在根据网络学习的特点、建立网络学习评价系统指标体系的基础上，提出利用模糊熵理论评价网络学习效果的模型。 该模型通过熵权法对各评价指标权重进行修正得到客观权重值，并与主观权重结合计算出综合权重，然后利用模糊理论进 行处理得到综合评价值，改善了传统评价方法主观因素影响过多的弊端，提高了评价结果的可信度，并实验验证了该方法 的可行性和正确性，确保了网络学习评价公平公正地进行。

  3. 所属分类：网络基础

    • 发布日期：2010-06-19
    • 文件大小：187392
    • 提供者：jiangkong

  1. C++编写条件熵、信源熵、联合熵、交互熵

  2. 用C++编写的简单熵值计算，包括信源熵，条件熵，交互熵等

  3. 所属分类：C++

  1. c 语言 计算信源熵

  2. 完整的 课运行的计算信源熵的 C程序代码

  3. 所属分类：C

    • 发布日期：2010-12-22
    • 文件大小：589
    • 提供者：yy402130

  1. 可以计算图像信息熵的代码

  2. 可以计算图像信息熵的代码，很好用哦，可以下下来进行一些图像处理

  3. 所属分类：其它

    • 发布日期：2011-05-12
    • 文件大小：445
    • 提供者：wlqlw

  1. entropy.rar

  2. 是图像的信息熵的计算程序，希望对大家有用

  3. 所属分类：其它

    • 发布日期：2011-12-06
    • 文件大小：622
    • 提供者：liyinghua163

  1. 计算图像的熵图像

  2. 用matlab实现的计算一幅图像的图像熵，用一个固定模板大小计算图像中每个点的熵值。

  3. 所属分类：其它

    • 发布日期：2011-12-25
    • 文件大小：586
    • 提供者：xinxin0502

  1. 计算香农熵的程序

  2. 用于计算小波及小波包分解时的香农熵，以便确定是否所选择的小波基是否是最优的！

  3. 所属分类：专业指导

    • 发布日期：2012-06-16
    • 文件大小：1024
    • 提供者：a8243255

  1. 基于互信息和邻接熵的新词发现算法

  2. 如何快速高效地识别新词是自然语言处理中一项非常重要的任务，针对当前新词发现存在的 问题，提出了一种从左至右逐字在未切词的微博语料中发现新词的算法。通过计算候选词语 与其右邻接字的互信息来逐字扩展，得到候选新词；并通过计算邻接熵、删除候选新词的首 尾停用词和过滤旧词语等方法来过滤候选新词，最终得到新词集。解决了因切词错误导致部 分新词无法识别以及通过 n-gram 方法导致大量重复词串和垃圾词串识别为新词的问题，最 后通过实验验证了该算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：1048576
    • 提供者：weixin_38501916

  1. 基于加权信息熵的红外小目标检测新方法

  2. 本文提出了一种在复杂背景下检测小型红外目标的方法。 提出了一种称为局部变异加权信息熵（LMWIE）的算法来抑制背景。 然后，通过计算局部能量来增强目标的灰度值。 基于自适应阈值的图像分割用于解决噪声灰度值随目标灰度值提高而提高的问题。 实验结果表明，与自适应巴特沃斯高通滤波方法相比，该算法在红外小目标检测中更有效，更快速。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38727087

  1. 基于信息熵的GLBP掌纹识别算法

  2. 提出了一种基于信息熵(information entropy)的GLBP掌纹识别算法(EGLBP),首次将该算法运用到掌纹中。同时,为了提高识别精度、降低算法复杂度,引入信息熵来度量掌纹所含的信息量,熵越大,所含信息量越多。首先对图像进行Gabor变换,分别计算变换后图像的信息熵,去除熵较小的几幅图像;然后对剩余的图像使用分块思想,对每块进行LBP特征提取,并联融合所有特征;最后使用卡方距离对掌纹所属类别进行判定。经过PolyU掌纹中心区域图像的验证,与传统掌纹识别算法相比,EGLBP算法识别率

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：1007616
    • 提供者：weixin_38551205

  1. 一种面向大数据分析的快速并行决策树算法（网络在线，培养研究生成果）

  2. 为了提高基于大规模数据的决策树训练效率提出了一种基于Spark平台的并行决策树算法 （SPDT）. 首先，采用数据按列分区的方法，该方法把单个属性列完整地保留在一个分区内，使缓存该分区数据 的数据节点能独立完成信息熵的计算，以减少数据节点之间的信息交流造成的网络资源的占用. 然后，数据 在按列分区后以稠密向量的形式缓存于内存中，SPDT对数据进行压缩，以减少对内存的占用. 最后，SPDT采 用基于边界点类别判定的连续属性离散化方法来处理连续属性，减少决策树训练过程中信息熵计算的频次， 并提出使用

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：3145728
    • 提供者：weixin_38647822

  1. 基于二维Arimoto灰度熵的图像阈值分割快速迭代算法

  2. 现有的 Arimoto 熵阈值法仅依赖于灰度直方图分布，且计算最佳阈值时需搜索整个解空间，效率不高． 为此，文中提出了一种二维 Arimoto 灰度熵阈值分割的快速迭代算法． 首先，提出了一维 Arimoto 灰度熵阈值选取的快速迭代算法;然后，考虑图像目标和背景的类内灰度均匀性，导出了基于灰度 － 平均灰度级直方图的 Arimoto 灰度熵阈值法，并给出了中间变量的快速递推公式;最后，提出了二维 Arimoto 灰度熵阈值选取的快速迭代算法，推导了相应的公式，大大减少了运算量． 实验结果表明，

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：858112
    • 提供者：weixin_38501299

  1. 基于投影分布熵的多视点三维点云场景拼接方法

  2. 多视点三维点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法，它将直接影响到后续的目标检测与识别处理。通过点云投影分布熵对场景独立坐标系进行估计，由此计算待拼接场景之间的空间变换参数，最后通过退火最近点迭代(ICP)方法，实现多视点场景的精确拼接。仿真实验结果表明，此方法是一种有效可行的方法。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_38706951

  1. 数学基础 | (6) 机器学习中的几个熵

  2. 原文地址 目录 1. 信息量 2. 信息熵 3. 相对熵(KL散度/KL divergence) 4. 交叉熵 5. 几个熵之间的关系 6. JS散度 7. Wasserstein距离 8. 总结 1. 信息量 事件发生的概率越小，信息量越大。 假设X是一个离散型随机变量，取值集合为 则定义事件的信息量为： 2. 信息熵 信息量的期望就是熵，假设事件X有n种可能，发生的概率为,那么该事件的熵H(X)为： 如果发生的事件只有两种可能性，那么熵的计算转化为下列式子： 3. 相对熵(KL散度/K

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：438272
    • 提供者：weixin_38744435

  1. 基于活跃熵的网络异常流量检测方法

  2. 提出了一种基于活跃熵的网络异常流量检测新方法，将受监控的目标网络视为一个整体系统，对进出系统的网络数据流所形成的NetFlow记录进行分析，分别统计二者的活跃度井计算它们的活跃熵。在进行活跃熵的计算时，根据流量大小选择不同的尺度来降低误报率，从而能更有效地检测网络流量中存在的异常。在实际网络环境下的模拟实验结果表明，与传统检测方案相比，基于活跃熵的网络异常流量检测方法能够更有效地检测出具有随机特征的网络异常流量。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：1048576
    • 提供者：weixin_38639237
« 1 2 3 4 5 67 8 9 10 11 ... 50 »