搜索资源列表
BP-net
- bp神经元网络，对加入随机噪声样本进行的实验-bp neural network, by adding random noise to the experimental samples
shuiwenCADxt2.6
- 国际领先的的水文频率曲线CAD绘图系统，采用自构数学模型，依据SL 44-93 水利水电工程设计洪水计算规范编制！采用人机交互方式绘制频率曲线图，并进行适线和参数调整。实现了从数据处理到提出设计成功全过程的自动化设计。融计算、分析、设计、图纸绘制于一体，具有高效、实用、形象、方便等特点！根据实际使用测算，当系列样本为30时，采用本软件可节约工时四分之三！本软件已实际应用于水文资源规划和各种实际规划设计中！也广泛应用于水利规划及各种工程（铁路、公路、水利、供排水等）设计建设中的水文要素的设计
autoCAD
- AUTOCAD机械制图小样本1，总共有三个-autocad
autoCAD1
- AUTOCAD机械制图小样本2，总共有三个-autocad
autoCAD2
- AUTOCAD机械制图小样本3，总共有三个-autocad
CardinalTest
- Spline类就是Cardinal样条曲线了,这个类里面记录了4个控制点:m_startControlPoint, m_startPoint, m_endPoint, m_endControlPoint, 分别按顺序对应Pk-1, Pk, Pk+1, Pk+2, 由于Cardinal是用多个线段去模拟曲线,所以我们在这里取20个点,这样,在Pk 和 Pk+1之间,有20个样本点,用画直线的方法将这些点按顺序连起来,连成的曲线段就是我们所要的Cardinal 曲线了-Spline class is
main_orlyang_optproj
- 众所周知，特征抽取是模式识别中最基本的问题之一，抽取有效的鉴别特征是解决识别问题的关键。特征抽取即为将原始样本映射（或变换）到某一低维特征空间，得到最能反映分类本质的低维样本特征，有效地实现分类问题。-function wrong=Near_classify(final_sample,ln)
main_eigenface_proj
- 众所周知，特征抽取是模式识别中最基本的问题之一，抽取有效的鉴别特征是解决识别问题的关键。特征抽取即为将原始样本映射（或变换）到某一低维特征空间，得到最能反映分类本质的低维样本特征，有效地实现分类问题。-function wrong=Near_classify(final_sample,ln)
1
- 2．利用FFT对信号进行谱分析 对于连续信号xa(t)=cos(2πf1t) +5cos(2πf2t) +cos(2πf3t) ，其中f1=6.5kHz, f2=7kHz, f3=9kHz, 以采样频率fs=32 kHz对其进行采样， （1）对xa(t) 信号采集16点样本，分别作16点和补零到256点的FFT，并分别绘出对应的幅频特性曲线。 （2）对xa(t)信号采集256点样本，分别作256点和512点的FFT，并分别绘出对应的幅频特性曲线。 （3）比较（1）和（2）
beiyesifenlei
- 针对两类样本所设计的贝叶斯分类器，包括已知参数和未知参数，当参数未知时，用最大似然法进行参数估计-Bias classifier is designed for two kinds of samples, including known and unknown parameters, when the parameters are unknown, the maximum likelihood method is used to estimate the parameters.