搜索资源列表
WSAAsyncSelect
- 基于 异步选择模型的聊天程序，简单实现服务器和客户端的对话-Select model based on asynchronous chat program, simple implementation of server and client dialogue
TDvedynaexamplebook
- ve-DYNA® 为用户提供了车辆动力学、车辆非线性行为的可配置仿真模型。用户根据自己的工程问题选择合适的车型（轿车，货车，拖车）和适当的版本（低级，标准，高级）就能实现不同的应用。用户基于模型就能开发自己的控制算法或者部件，然后通过离线仿真和硬件在回路仿真来进行检验和验证。只需要进行鼠标键盘的操作，就可以对种种的动力学问题进行分析，比如悬架动力学，车辆动力性或操纵稳定性。这样 就 能够减少昂贵而且费时甚至是危险的实车试验。可以在无人监控的情况下完成整个的测试、优化和系统验证 。本文为v
TimeSeriesPredictionUsingSupportVectorRegressionNe
- 为了选择神经网络的最好结构以及增强模型的推广能力，提出一种自适应支持向量回归神经网络(SVR—NN)。SVR—NN 用支持向量回归(SVR)方法获得网络的初始结构和权值， 白适应地生 成网络隐层结点，然后用基于退火过程的鲁棒学习算法更新网络结点疹教和权 主。 SVR—NN有很 好的收敛性和鲁棒性，能抑制由于数据异常和参数选择不当所导致的“过拟合，’现象。将SVR—NN 应用到时间序列预测上。结果表明，SVR．NN预测模型能精确地预测混沌时间序列，具有很好的 理论和应用价值。-Ab
time
- 时间序列进行平稳性检验然后利用aic准则选取合适的模型进行一步预报。-Stationary time series of test criteria and then select the appropriate use of aic step model prediction.
activeContoursSnakesDemo
- 本演示实现了主动轮廓模型由Kass等人提出。 要运行它的图形用户界面 1。基于MATLAB型引导提示。 2。关于“到现有的图形用户界面，点击” 3。选择在与本文件相同的目录snk.fig文件 4。按一下上方的绿色箭头启动图形界面 一旦GUI已经启动，您可以通过使用蛇 1。点击“新形象”，并加载输入图像。提供的样品图像。 2。平滑参数设置“西格玛”或保留其默认值并点击“过滤器”。这将平滑图像。 3。只要你点击“过滤器”，头发会出现交叉
gm_tool
- 灰色预测工具箱。 特性： 0 数据预处理，替换掉一些不符合条件的点：如连续相等的点 1 选择最好的c进行平移变换 2 残差太大的，剔除坏点 3 最后使用 新陈代谢 灰色模型求解（xcdxgm11） 函数： ccfx.m:残差分析 gm11.m:一般的灰色预测工具 xcdxgm11.m:新陈代谢灰色预测工具-Grey toolbox. Features: 1 Data preprocessing, replace the points t
Researeh-on-trajeetoy
- 首先，探讨了映射方法的选择。此步骤是整个规划方法的基础。协调映射因为具有 变形小、网格不会重叠等优点，被作为最佳选择。根据协调映射的理论，建立了平面上 圆形域、矩形域、多边形域等参数域的映射模型，可根据轨迹规划的需要来选择映射的 边界。由于协调映射时所需处理的数据量很大，本文给出了编程时具体的数据结构，其 中大型稀疏矩阵采用三元组压缩存储。 -First, the choice of the mapping method. This step is the basis for
odel
- 基于能效视角的主导产业选择多参量GERT网络模型-Based on industry leading energy efficiency perspective to select multiple parameters GERT network model
xiaobo
- 建立小波神经网络负荷预测模型，并对小波神经网络的节点（输入层、中间层、输出层）进行选择,并选用合适的小波神经网络的训练函数,提高收敛速度和负荷预测精度。-The establishment of wavelet neural network load forecasting model, and wavelet neural network nodes (input layer, middle layer, output layer) to select and choose the appro
BP
- 建立BP神经网络负荷预测模型，并对BP神经网络的节点（输入层、中间层、输出层）进行选择,并选用合适的小波神经网络的训练函数,提高收敛速度和负荷预测精度。-The establishment of BP neural network load forecasting model, and the BP neural network nodes (input layer, middle layer, output layer) to select and choose the appropriate
Machines-Based-on-DFS
- 深度优先搜索的支持向量机参数优化算法 Study on Parameters Optimization of Support Vector Machines Based on DFS :研究支持向量机参数优化问题，由于算法要求准确选择 SVM 参数，支持向量机在处理大样本数据集时和最优模型参 数确定时，消耗的时间长、占有内存大，易获得局部最优解的难题。为了解决支持向量机存在的不足，采用深度优先搜索算 法对其参数优化机机制进行改进。将向量机参数优化视成一个组合优化问题，将支持向
lunwen
- 提出一种多尺度方向(multi-scale orientation,简称 MSO)特征描述子用于静态图片中的人体目标检 测.MSO 特征由随机采样的图像方块组成,包含了粗特征集合与精特征集合.其中,粗特征是图像块的方向,而精特征 由 Gabor 小波幅值响应竞争获得.对于两种特征,分别采用贪心算法进行选择,并使用级联 Adaboost 算法及 SVM 训 练检测模型.基于粗特征的 Adaboost 分类器能够保证高的检测速度,而基于精特征的 SVM 分类器则保证了检测精 度.另
containerforecast_stepwisefit
- 使用stepwise方法选择因变量的基于AR模型的时间序列预测程序-This alogrithm can select the predictors using step-wise policy and forecast the time series based on AR model.
rjMCMCsa
- 可逆跳跃马尔科夫蒙特卡洛贝叶斯模型选择，主要用于神经网络-Reversible Jump MCMC Bayesian Model Selection This demo demonstrates the use of the reversible jump MCMC algorithm for neural networks. It uses a hierarchical full Bayesian model for neural networks. This model treats t
BPpredictinof-flood
- 针对BP 算法易陷入局部极小、收敛速度慢等缺点，遗传算法是全局优化算法和具有很强的全局搜索能力，遗传算法优化BP 神经网络初始连接权值和阈值形成混合算法。以安徽宣城市为例,将汛期降水量作为预测对象，前期74 项大气环流特征量、500 hPa、100 hPa 月平均高度场、月平均海平面气压场和月平均海温场资料中选取预测因子，建立汛期降水短期气候预测模型。-BP algorithm is easy to fall into local minimum, slow convergence, genet
Apso-bp-Rainfall
- 降水短期气候预测是一个非常复杂、重要的研究课题。为了提高其预测能力，拟采用1959—2011 年逐月74 项大气环流特征量序列、月平均500 hPa 高度场和月平均海温场，选取预测因子；用主分量分析方法提取样本数据中主要信息为综合因子。用粒子群优化人工神经网络方法，建立宣城市夏季降水短期气候预测模型。对2007—2011 年宣城市夏季降水预报检验结果表明，粒子群优化人工神经网络收敛速度快，迭代次数少；试报平均绝对误差是66.5 mm，绝对值平均相对误差10.5 ，预测精度高，具有很好的应用推广前
12121
- 链路仿真，路径损耗模型，选择模型，得出相应计算结果，很好用-Link simulation, the path loss model, select the model to arrive at appropriate results, easy to use
LeeFilt
- 噪声抑制的两个关键环节为建立真实后向散射系数的估计机制和制定同质区域像素样本的选择方案。Lee滤波是利用图像局部统计特性进行图像斑点滤波的典型方法之一，其是基于完全发育的斑点噪声模型，选择一定长度的窗口作为局部区域，假定先验均值和方差可以通过计算局域的均值和方差得到。-Two key aspects of the estimated noise suppression mechanisms for the establishment of the backscattering coefficie
被动悬架模型
- 通过simulink搭建了车辆1/4被动悬架模型，以便于选取最优的车辆控制策略(The passive suspension model of vehicle 1/4 is built by Simulink, so as to select the optimal vehicle control strategy)
MultiAgent-Flocking-framework-master
- 多智能体蜂拥模型，可选择不同的期望间隔，并录有仿真视频(The multi-agent swarm model can select different expectation intervals and record simulation videos.)