资源列表
未知雷达信号PRI的快速分选识别算法研究_王宇
- 信号分选 序列搜索 累积差直方图 序列差直方图 脉冲重复间隔变换(Cumulative difference histogram of signal sorting sequence search Sequence difference histogram Pulse repetition interval transform)
gradient_descent
- 梯度下降法python编程实例 附带相关数据文件在data.csv中 这个是油管up主Siraj Raval的课程代码(A demo of gradient descent algorithm. This is the code for "Intro - The Math of Intelligence" by Siraj Raval on Youtube)
Fourier-Transform
- 傅立叶变换（FT）将时间函数（信号）分解为构成它的频率，其方式类似于如何将音乐和弦表示为其组成音符的频率（或音调）。在这个排序库中，我将实现一个通用的傅立叶变换算法，对于>0个的常数a，b，...它能够分解函数f（x）=sin（2apix）+sin（2bpix）...。 作者 Fotios Kapotos-初始工作 这个项目是根据麻省理工学院的许可证授权的-参见LICENSE.md许可证文件以获取详细信息(The Fourier transform (FT) decomposes a f
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰
Demo_FDnCNN_Color
- 用于图像去噪的matalb代码，残差学习，深度学习，层数为17层(denoising Matalb code for image denoising, residual learning, deep learning, the number of layers is 17)
道格拉斯普克抽稀算法
- 道格拉斯-普克抽稀算法python实现。用于空间数据抽稀。(Douglas-Puck thinning algorithm implemented in python. Used for thinning spatial data.)
casForest-master
- 这是一个级联森林算法，主要用于机器学习，深度学习的使用(This is a cascaded forest algorithm, mainly used for machine learning, deep learning)
神经网络
- MATLAB语言编写的神经网络，，可以用于仿真预测(The neural network written in MATLAB language can be used for simulation prediction)
id3.1(1)
- 在python中，利用ID3方法画决策树,决策树是一种依托决策而建立起来的一种树。在机器学习中,决策树是一种预测模型,代表的是一种对 象属性与对象值之间的一种映射关系(In Python, ID3 method is used to draw decision tree. Decision tree is a kind of tree based on decision. In machine learning, decision tree is a prediction model, whic
gated-graph-neural-network-samples-master
- 此代码是门控图神经网络的python代码实现(This code is a Python code implementation of the gating graph neural network)
BP_NNtool
- 能够根据样本数据训练一个很好的网络系统，根据这个系统可以很好的预测数据值(Able to predict data values well based on sample data)
机器学习实战书+源代码
- 机器学习横跨计算机科学、工程科学和统计学等多个学科，需要多学科的专业知识。在需要解释并操作数据的领域都或多或少可以运用到机器学习，通过这本书可以系统地学习基于python语言的机器学习的相关知识(Machine Learning in Action written by Peter Harringto. Machine learning covers many subjects, such as computer science, engineering science and statisti