搜索资源列表
ztwd
- 电力系统在台稳定计算式电力系统不正常运行方式的一种计算。它的任务是已知电力系统某一正常运行状态和受到某种扰动，计算电力系统所有发电机能否同步运行 1运行说明： 请输入初始功率S0，形如a+bi 请输入无限大系统母线电压V0 请输入系统等值电抗矩阵B 矩阵B有以下元素组成的行矩阵 1正常运行时的系统直轴等值电抗Xd 2故障运行时的系统直轴等值电抗X d 3故障切除后的系统直轴等值电抗 请输入惯性时间常数Tj 请输入时段数N 请输入哪个时段发生故障Ni
EasyDrawHermit
- 本过程是用光滑的曲线(三次参数样条曲线)连接离散点 参数PicHdc表示在上面进行处理的窗体的设备环境句柄 参数PicHwnd表示在上面进行处理的窗体的窗口句柄 参数X(),Y()表示各离散点的坐标 参数Color表示曲线颜色 参数Mode表示三次参数样条曲线的约束条件： 其中0为自由端，1为抛物端(没有考虑夹持端)
MAIN 3-DIMENSIONAL CFD-PROGRAM
- #//u(i,j) x方向的速度u;或者θ方向速度uθ #//u(i,j) y方向的速度v;或者径向速度ur'h\K #//pc(i,j) 压力修正 p'[OS #//p(i,j) 压力p-=5-+ #//p(i,j)
som(Jal.You)
- SOM神经网络（自组织特征映射神经网络）是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数，其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接，这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是，当某类模式输入时，其输出层某一节点得到最大刺激而获胜，获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作，获胜节点
sova0
- This function implememts Soft Output Viterbi Algorithm in trace back mode Input: rec_s: scaled received bits. rec_s(k) = 0.5 * L_c(k) * y(k) L_c = 4 * a * Es/No, reliability value of the channel y: received bits g: encoder generato
emd
- 对于输入的时间序列，按照经验模式分解得到一系列基本模式分量和余项的和。经验模式分解是区别于傅里叶变换和小波变化的一种更一般的时间序列频率分解的方法- IMF = EMD(X) where X is a complex vector computes Bivariate Empirical Mode Decomposition of X, resulting in a matrix IMF containing 1 IMF per row, the last one being the
522e4d96628d
- 用于计算磁体的磁性转变温度，比热C以及磁导率。-Ising mode，used for calculate the magnetic transation temperation and C ang x.
FDTD-2D-with-pml-and-Total-field-and-scattering-f
- fdtd_2d basic algorithum version 4 isotopic linear non-dispersive material grid size and time size is designated directly Ez mode electic field nomalized PML for y directions periodic conditions for x-direction TF/SF source- f
FastCSMatrix
- FastCSMatrix: The operator form of the contraint matrix for the fast compressed sensing problem. Specifically, it returns y = A*x (mode = 1) or y = A *x (mode = 2), where A is an mxn matrix given by A = [Phi - Phi], and Phi = P*H*Q, where P,Q are r
59804063pinlvguji
- 经验模态分解，matlab实现，用于信号的降噪处理，提取特征值处理等经验模态分解，这是用汉语注释的EMD程序，很不错的。％ 语法 ％ IMF = EMD(X) ％ IMF = EMD(X,..., Option_name ,Option_value,...) ％ IMF = EMD(X,OPTS) ％ [IMF,ORT,NB_ITERATIONS] = EMD(...) (This is annotated in Chinese EMD procedures, very good. Synta
emd
- emd分解程序代码，里面有详细介绍，请下载使用(function imf = emd(x) % Empiricial Mode Decomposition (Hilbert-Huang Transform) % imf = emd(x) % Func : findpeaks x = transpose(x(:)); imf = []; while ~ismonotonic(x) x1 = x; sd = Inf; while (sd > 0.1)
Matlab runcode
- EMD（经验模态分解，全称Empirical Mode Decomposition，一般指EMD算法）是Hilbert-Huang变换（HHT）的核心算法。 经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1
spgl1_1.9
- %SPGL1 Solve basis pursuit, basis pursuit denoise, and LASSO % % [x, r, g, info] = spgl1(A, b, tau, sigma, x0, options) % % --------------------------------------------------------------------- % Solve the basis pursuit denoise (BPDN) problem