搜索资源列表
IVMETHODFORIDENTIFICATION
- 用辅助变量法递推算法估计模型的参数，此法一般不用，但当其他方法效果不理想时可以试用-Auxiliary variable recursive algorithm estimate model parameters, the law generally does not, But other method is not ideal when probation
featureextraction
- 图象 处 理和模式识别中经常根据物体的形状来识别物 体或对物体进行分类。形状特征可以分为区域特征和边界特 征两大类，矩不变量是最基本的形状特征。Hu提出的矩不变 量是图象区域内部细节的描述，是一种区域特征。它是建立 在对一个区域内部灰度值的统计分析基础上的，需要目标区 域的所有象素参与运算-Image processing and pattern recognition are often based on the shape of objects to identify o
ID3
- ID3是利用了增益比不纯度，这种树的层数与属性变量的个数相同。-ID3 is the use of the gain ratio is not purity, layers and attributes of this tree the same number of variables.
lubanglssvm
- 基于鲁棒学习的最小二乘支持向量机及其应用 鉴于最小二乘支持向量机比标准支持向量机具有更高的计算效率和拟合精度, 但缺少标准支持向量机的鲁 棒性, 即当采样数据存在奇异点或者误差变量的高斯分布假设不成立时, 会导致不稳健的估计结果, 提出了一种鲁棒 最小二乘支持向量机方法. 该方法在最小二乘支持向量机基础上, 通过引入鲁棒学习方法来获得鲁棒估计. 仿真分析 及某湿法冶金厂的应用实例验证了该方法的可行性和有效性.- Least squares support vector mac
Bee-colony-alogrithms
- 蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型（artificial bee colony algorithm）。 -artificial bee colony algorithm
GA2
- 基于遗传算法求解多元函数优化问题，程序理论使用变量数目不限制-Based on genetic algorithm to solve the multi-function optimization problem, the use of the procedural theory does not limit the number of variables
cor_ls
- 把辨识分成两步进行：第一步：利用相关分析法获得对象的非参数模型（脉冲响应或相关函数）；第二步：利用最小二乘法、辅助变量法或增广最小二乘法等，进一步求的对象的参数模型。如果模型噪声与输入无关，则Cor-ls相关最小二乘法（二步法）可以得到较好的辨识结果。Cor-ls相关最小二乘法（二步法）实质上是先对数据进行一次相关分析，滤除了有色噪声的影响，再利用最小二乘法必然就会改善辨识结果。能适应较宽广的噪声范围，计算量不大，初始值对辨识结果影响较小。但要求输入信号与噪声不相关-The identifica
RIV
- 适当选择辅助变量，使之满足相应条件，参数估计值就可以是无偏一致。估计辅助变量法的计算量与最小二乘法相当，但辨识效果却比最小二乘法好的多。尤其当噪声是有色的，而噪声的模型结构又不好确定时，增广最小二乘法和广义最小二乘法一般都不好直接应用，因为他们需要选用特定的模型结构，而辅助变量法不需要确定噪声的模型结构，因此辅助变量法就显得更为灵活，但辅助变量法不能同时获得噪声模型的参数估计。-Choose appropriate secondary variables, meet the relevant c
matlab-accessory_parameter
- lingjian.m-----蒙特卡罗方法 lingjian.m使用零件初始值，用蒙特卡罗方法算出总费用。其中使用了自己编制的正态分布随机数发生器产生正态分布随机数。lingjian.m是对蒙特卡罗方法的一次练习。 accyouhua为标定值的函数，而lingjian不是一个函数，在其中已给出了一组标定值的值。 退火确定标定值/unitanneal()----模拟退火 连续型多个变量组合优化问题 这是对模拟退火方法的一次练习，结果证明模拟退火确实是一
local_features
- 图像局部不变量特征提取和描述子，pdf文档-Local invariant feature extraction and descr iptor, pdf documents
FaceRecognitionBased-OnDeepLearning
- 本文运用深度神经网络的方法克服姿态变量和图像分辨率的影响,提出了一种多姿态的人脸超分辨识别算法并在实验数据集上获得了良好的性能表现。另外本文利用深度信念网络探索正面人脸图像和侧面人脸图像的映射,方法放松了深度信念网络的输入也输出之间绝对相等,而只是保证其高层含义上的相等。实验表明了使用深度信念网络可以学习到侧面人脸图像到正面人脸图像的一个全局映射,但是丢失了个体细节差异。本文还提出了基于深度网络保持姿态邻域进行姿态分类的方法,在学习过程中,我们保证了同一个姿态下的人脸图像应该与同一姿态下的多张图
EDA(PBIL)
- 分布估计算法源代码，PBIL源代码，变量不相关。-EDA PBIL
Wavelet-neural-
- 小波神经网络，预测房地产30城市周交易套数，并对比加变量和不加变量预测结果-Wavelet neural network, forecast week 30 city real estate trading volume, and contrast with and without variables predicted results
RBF
- 本例用RBF网络拟合未知函数，预先设定一个非线性函数，假定函数解析式不清楚的情况下，随机产生x1，x2和由这两个变量按上式得出的y。-In this case, using RBF network fitting of the unknown function preset a nonlinear function, assume that function under the condition of analytic expression is not clear, randomly gen
3-17
- 字符串比较问题 问题分析：解答此题需要一个较为巧妙的解题思路。解决此题可以借用“最长公共子串”问题的解题思路。采用自底向上的动态规划思想。假设对于给定的字符串A，B长度分别为m,n，A[1..m],B[1..n],这里可以使用变量val[m][n]表示A,B的扩展距离。 对于字符串A[1..m],B[1..n],有以下两种情况： 1.A[m]和B[n]处在扩展字符串的同一个位置，那么val[m][n]=val[m-1][n-1]+abs(A[m]-B[n])。 2.A[m]和B[n]不在
k_means
- 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。(It is a statistical method. Through orthogonal transformation, a set of variables that can be correlated can be transformed into a group of linearly irrel