搜索资源列表
erweiDCT
- 用 FPGA实现了二维离散余弦变换和逆变换，结构设计采用行列分解法，乘法器采用移位求和的方法实现，并且采用流水线结构设计，提高处理核的性能-Using FPGA to achieve the two-dimensional discrete cosine transform and inverse transform, the structural design of the use of the ranks of decomposition, the sum of multipliers us
[matlab]
- 模糊核聚类算法的几篇论文及matlab源码，可以以练代学，更好掌握模糊聚类方法。-Fuzzy Kernel Clustering Algorithm matlab several papers and source code, can be practicing on behalf of science, to better grasp the fuzzy clustering method.
sopcip
- SOPC的IP核使用方法，介绍了好几种IP核的使用，供参考使用-SOPC to use the IP core, introduced several of the use of IP core for use and reference
kde.tar
- kde全称是kernel density estimation.基于核函数的概率密度估计方法。是模式识别中常用的算法之一-KDE which is kernel density estimation is used to estimate probabilty function. It is mostly used in pattern recogntion
2009.0423
- 传统的边缘检测方法是对原始图像中像素的某小邻域来构造检测算子，它是采用锐化算子(如梯度算子、 拉普拉斯算子)进行的。图像的边缘检测是通过模板作为核与图像中的每一个像素点做卷积和运算，然后选取合适的阈值以提取边缘。-Traditional edge detection method is the original image in a pixel neighborhood operator to construct, it is a sharpening operator (such as the
PSO-SVMface
- 基于PSO训练SVM的人脸识别 利用支持向量机在学习能力方面表现的良好性能,结合核主元分析特征提取方法,将其应用于人脸识别中,该方法在实验中表现了良好的识别性能,为人脸识别领域提供了一条新的识别途径-PSO-based SVM for face recognition training using support vector machine learning ability in the performance of good performance, combined with KPCA
Linux_Kernel_Driver_Totorial
- 嵌入式Linux核心驱动手册，介绍了嵌入式Linux核的驱动开发的方法-Embedded Linux core driver manual, introduced the Embedded Linux driver development of nuclear methods
heguji
- 非参数统计学中非参数回归的简单应用核回归程序，应用范围广泛，不需要知道样本的分布就可以使用该方法。-Non-parametric statistical regression Nonparametric kernel regression of the simple application procedure, a wide range of applications, does not need to know the distribution of the samples you can u
RealizationofdigitaldownconversionbyFPGA
- 介绍在FPGA 器件上如何实现单通道数字下变频（DDC）系统。利用编写VHDL 程序和调用部分IP 核相结合的方法研究了数字下变频的FPGA 实现方法,并且完成了其主要模块的仿真和调试,并进行初步系统级验证。-Introduced in the FPGA device on how to achieve the single-channel digital down conversion (DDC) system. VHDL procedures and the use of the prepa
Xilinx_yuanyu
- 本文详细介绍了xinlinx公司fpga的原语使用方法，原语相对于调用核来说更简单明了，推荐初学者多使用原语-This paper describes the xinlinx' s fpga use the original language, the original language as opposed to call-core is more simple and straightforward, it is recommended for beginners to use mor
Kernel_PCA
- 基于核的主分量分析方法的提出者亲自写的程序（基于MATLAB-a MATLAB m-file of Kernel PCA
oc_i2c_master
- I 2 C 是两线双向的串行接口，非常适合芯片级的通讯。由于 SOPC Builder并未提供 I 2 C 内核， 本节所描述的 I 2 C 内核是 Richard Herveille 制作的并发布到网上去的免费核。 关于 I 2 C 核的使用方法，请见光盘中 oc_i2c_master文件夹下的使用说明.txt。 -I 2 C is a 2-line bidirectional serial interface, very suitable for ch
CCRootkit-V0.1
- 一般网上找到的都是需要Ring3传输需要补丁的地址过去... 002就是直接用最标准的方法进行SSDT定位以及修复的 支持多核系统,当然还有003(加入shadow ssdt hook),004(加入inline hook) 基本上是现在最稳定的恢复方式了,大家可以用KMDLoader测试.加载就脱钩.不需要通讯 -Generally find on the Internet are required Ring3 address transmission needs a patc
nystrom
- 通过nystrom数值方法来加速核矩阵的运算。-using the nystrom method to speed up the kernel matrix decomposition.
Kernel Based Deblurring ToolBox ver
- 运用核回归方法去模糊的经典程序，效果很好，有参考文献-using kernel regression for image deblurring,it s very effective
semisupervised_learning
- 包含8篇半监督学习方面的中文文献，关于半监督学习的中文文献并不是很多，我把我找到的一些文章贡献一下。分别为：“半监督学习综述”“有关半监督学习的问题及研究”“基于半监督学习的网络流量分析”“基于核策略的半监督学习方法”“一种基于半监督学习的多模态WEB查询精华方法”“半监督学习机制下的说话人辨认算法”“半监督学习在入侵系统中的应用”“基于半监督学习的眉毛图像分割方法”-Includes eight semi-supervised learning of Chinese literature on
Gauss-SVM
- 基于Gauss 核函数SVM分类机，使用二阶几何方法训练。-Gauss kernel function SVM classification based on machine, using the geometric method of second-order training.
Inertiadevicefaultpredictionbasedonwavelet
- ：为了提高最小二乘支持向量回归机的性能，将Morlet小波核函数引入其中，形成了最小二乘小波支 持向量回归机模型。利用待优化的参数重构模型的目标函数和约束条件，并在此基础上通过遗传算法进行参数 选择，从而提高了该模型的泛化能力。将最小二乘小波支持向量回归机应用于导弹陀螺仪的漂移趋势预测，仿真 实验结果表明了该方法的有效性和可行性，因此可以为陀螺仪的故障预报、可靠性辅助决策提供依据。-To improve the ability of least square support vect
libsvm_src_2.6NOTE
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
backfitting
- 核主成分分析方法 可将低维空间数据转至高位空间的内积，再转至源空间-Kpca can be low to high dimension space data within the space of deposition, turn again to the source of space