搜索资源列表
EENNS
- 基于等均值等方差的图象矢量量化Matlab程序
FractalTerrain
- 二维的分形地形可以由一维分形曲线推广得到,首先介绍下一维分形曲线的构造模型。 已知初始线段的两个端点 ,通过随机扰动线段的中点来完成一次迭代,公式为 : 其中roughness控制当前层次的扰动量,它可以决定每次循环中,随机数值域的减少量,就是说它决定了分形结果的粗糙程度。令 上式是分形曲线模型的一般表达式,其中采用均值为0,方差为1的正态分布函数产生随机数,随着分割层次的增加,当前扰动量将以pow(2.0,-h)的倍数逐步的衰减,直到到达给定的分割层次或者被
00293686-10.5
- 摘要-关于对相移键控调制解调器的判决指示符号定时算法统计分析介绍。 时间探测器只在每符号期间使用一个样本,使用了离散时间同步方法并可用于高速调制解调器。 用时间探测器的均值和方差进行描述,推导和比较关于时间偏移的一个函数,最后得出仿真结果。 分析包括低信噪比对判决错误的影响,低信噪比有可能影响判决指示算法的使用范围。 对算法进行了改进,使得可以避免需要事先相位恢复。 这些算法和当前流行的每符号两样本\"非直接判决\"算法进行了比较。针对不同的信噪比和信道带宽,分别给出了这些算法的性能。
chaonim
- 仿真函数 (1),函数形式为: 其中, 是零均值单位方差的高斯噪声。输入 服从[0,1] 均匀分布,且相互独立。样本长度为1000组,将其分为三组,自由选择200组作为模型训练数据,自由选择100组作为检验数据,其余的作为长期检验数据。 (2) 其中x1~x4相互独立, , 为白噪声
OFDM
- 模擬OFDM在方差為1,均值為0的AWGN通道下,聲噪對OFDM的影響。
KMEANS
- K-MEANS算法 输入:聚类个数k,以及包含 n个数据对象的数据库。 输出:满足方差最小标准的k个聚类。 处理流程: (1) 从 n个数据对象任意选择 k 个对象作为初始聚类中心; (2) 循环(3)到(4)直到每个聚类不再发生变化为止 (3) 根据每个聚类对象的均值(中心对象),计算每个对象与这些中心对象的距离;并根据最小距离重新对相应对象进行划分; (4) 重新计算每个(有变化)聚类的均值(中心对象)
staticcode
- 进行多元统计分析基类代码及接口的实现 元统计分析 基类 声明 提供矩阵数据格式 及矩阵的 加减乘 运算及多元统计中常用的求 样本均值 协方差 方法
Touch_exe
- 该软件支持jpg,gif、png图片格式,大致有下列功能: V 0.1 版: 1. 图像放大、缩小、复制、打印、获取当前图像任意位置颜色信息。 2. 显示图像灰度直方图。 3. 灰度统计:图像宽度、高度、最小灰度、最大灰度、灰度均值 Mean、灰度方差 Variance、标准差、偏态 Skewness、峰度系数 Kurtosis、熵 (Entropy)。 4. RGB三原色分离、RGB图转灰度图、灰度均衡、图像可调阈值二值化、图像反色。 5. 图像可调阈值边缘检测:Rob
Whitenoisesequence
- 1.产生[0,1]均匀分布的白噪声序列 (1) 打印出前50个数 (2) 分布检验 (3) 均值检验 (4) 方差检验 (5) 计算相关函数 Bx(i),i=0,±1,±2,…, ±10
Normalwhitenoise
- 产生 正态白噪声序列 (1) 打印出前50个数 (2) 分布检验 (3) 均值检验 (4) 方差检验 (5) 计算相关函数 Bx(i),i=0,±1,±2,…, ±10。 B(m)=1/1000
k_means
- K-MEANS算法: k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。 k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再
Top_Sort
- K-MEANS算法: k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。 k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再
Extractionofthemaincomponents
- Matlab提取主分量矩阵。程序设计步骤: 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步) 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
pcacode
- 程序设计步骤: 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步) 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
speckle
- 对图像进行斑点噪声的添加,用方程f=f+n*f将乘性噪音添加到图像f上,其中n是均值为零,方差为var的均匀分布的随机噪声。
image_fft
- 先由原始图像(任选)产生待恢复的图像;(产生方法如下:冲激 函数为 ,将原始图像与冲激函 数卷积产生模糊,然后再迭加均值为0,方差为8,16,32的高斯 随机噪声而得到一组待恢复的图像 ;
rand
- 该程序用于产生任意均值和方差的随机数,程序中有注释
whitenoise
- 1.产生白噪声程序 编程产生一组正态分布的白噪声信号,它的均值和方差以及长度可随意调整。将产生的白噪声信号存入数据文件。 本程序算法用C++语言编写。首先用乘同余法产生均匀分布白噪声,再用变换抽样法转换为高斯分布白噪声。算法及程序实现叙述如下。 1) 设定x初值为11,A=179,长度WNlength,均值Average,方差Serror为用户输入的变量; 2) M =235,ζi= x/M; 3) 取ζi的小数部分再赋值给ζi+1,这就是均匀分布白噪声; 4) 利用公式
高斯随机数的产生
- 程序只产生均值为0,方差为1的随机数,要产生均值为E,方差为D的随机数,只要随机数*D+E就可以了。高斯随机数程序还是带参数的,参数是用来描述正态分布的一个浮点数表。在执行程序时,先生成这个表(只做一次),而后就可以任意多次地执行高斯随机数产生程序了。使用C是为了保证通用性,如果有人觉得麻烦,可以用C++做个类,把这些东西都封装进去。另外,如果有人有兴趣,也可以把它修改成任意形式分布的连续随机数产生程序,修改非常简单,这里就不提示了。-procedures have only mean of 0
高斯随机数发生程序
- 程序只产生均值为0,方差为1的随机数,要产生均值为E,方差为D的随机数,只要随机数*D+E就可以了。 高斯随机数程序还是带参数的,参数是用来描述正态分布的一个浮点数表。在执行程序时 ,先生成这个表(只做一次),而后就可以任意多次地执行高斯随机数产生程序了。 使用C是为了保证通用性,如果有人觉得麻烦,可以用C++做个类,把这些东西都封装进去 。 另外,如果有人有兴趣,也可以把它修改成任意形式分布的连续随机数产生程序,修改非 常简单,这里就不提示了。-procedures have only mea