资源列表
SPGL1: A solver for large-scale sparse
- % SPGL1: A solver for large-scale sparse reconstruction % Version 1.7 (May 20, 2009) % % Files % spg_bp - Solve the basis pursuit (BP) problem % spg_bpdn - Solve the basis pursuit denoise (BPDN) problem % spg_lasso
perceptron.zip
- % 单层感知器 与、或、以及其他逻辑功能的实现 % 采用step逐步逐行运行方式，了解学习过程的细节 % 尝试重新定义程序中的T，观察感知器实现异或运算(T=1 0 1 0]的可能性。
jixian zaihe_combine fenbutu_6.2 excel
- 通过修改输入excel文件中的铺层信息及材料属性，计算层合板的等效模量及极限强度，并绘制应力沿厚度方向的分布图(The equivalent modulus and ultimate strength of the laminates are calculated by modifying the information and material properties of the laminates inputted into excel files, and the stress distr
哈达玛矩阵生成
- 用于哈达玛矩阵的生成，常用于压缩感知当中
exp4
- 把激光陀螺捷联惯导系统和GNSS接收机固联于实验车实验仓中，接收机天线固联在实验车实验仓上方，车载计算机实时接收和采集惯导系统、卫星导航接收机的原始数据，在郊外开阔公路进行车载实验。 通过matlab编程实现卫星导航伪距单点定位、INS/GPS松组合导航的全过程。 1）卫星导航单点定位测速：利用采集得到的接收机时间、伪距、多普勒频移数据，要求进行单点定位、测速解算，输出接收机的位置、速度随时间的变化曲线，并给出位置、速度误差曲线； 2）松组合导航：结合惯导解算和卫星接收机单点定位测速，要
exp3
- 车载惯性/卫星组合导航实验，起始时刻车辆停止不动，但车身有一定干扰晃动，10分钟后车辆行驶，采集惯导系统IMU数据、车辆里程计数据、GPS数据等。采用前2分钟数据进行粗对准，后8分钟数据进行精对准，分别得到惯性导航、惯性/GPS组合导航、惯性/里程计组合导航的导航结果。(Vehicle-mounted inertial/satellite integrated navigation experiment: the vehicle stops at the initial moment, but
exp2
- 通过 matlab 编程实现捷联惯导系统初始对准、惯导解算的全过程。 1）初始自对准：利用前10分钟实验车静止的数据进行惯导系统的自对准。采用前2分钟数据进行解析粗对准，后8分钟数据用五状态Kalman滤波器实现精对准；为了验证精对准性能，可在粗对准结果上把航向角人为加一定幅度（如10度）的误差，观察精对准的收敛性能。 2）纯惯导解算：对准结束后转入纯惯性导航解算，要求进行双子样的圆锥和划摇补偿，即每20ms完成一次导航解算，输出完整的导航结果包括三个姿态、两个水平速度和两个水平位置（天向
exp1
- 捷联惯导系统放置在室内测试台上做静态测试，测试时间4500s。 1）取前180数据做粗对准（解析对准法）； 2）取第181s~900s数据做精对准（Kalman滤波法）； 3）从第901s开始做纯惯导解算； 4）用国军标的导航系统位置精度评价方法评估系统定位精度（分别计算CEP50 和 CEP95 下的定位精度）。(The strapdown inertial navigation system was placed on the indoor test bench for stati
基于粒子群优化算法的特征选择SVM分类
- 针对“BreastCancer”数据集，作为对比，第一次对特征集直接进行SVM分类，第二次使用粒子群算法进行特征选择后再进行SVM分类。并且对比和分析了两次分类的结果。(For "BreastCancer" data set, as a comparison, the first time the feature set is directly classified by SVM, and the second time the feature set is selected
基于PCA的SVM分类
- 选择“BreastCancer”数据集，使用支持向量机(SVM)对其进行分类。作为对比，第一次对特征集直接进行支持向量机分类，第二次对特征集进行主成分分析法的特征提取后，再对特征提取后的特征集进行支持向量机分类。并且对比和分析了两次分类的结果。(The BreastCancer data set is selected and classified by Support Vector Machine (SVM). For comparison, the first time the featur
鸢尾花分类
- 使用四种方法进行鸢尾花分类：最小距离分类器，K 近邻法，感知器，Fisher 准则。(Four methods are used to classify iris: minimum distance classifier, K-nearest neighbor method, perceptron and Fisher criterion.)
《深度学习入门：基于Python的理论与实现》
- 本书主要介绍深度学习的核心算法，以及在计算机视觉，语音识别、自然语言处理中的相关应用，适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术(This book mainly introduces the core algorithms of deep learning, as well as relevant applications in computer vision, speech recognition and natural languag