搜索资源列表
LBFGS-20020202.java
- L-BFGS用于内存紧张的系统中，可以用于求解大规模数据集的优化-Software for Large-scale Unconstrained Optimization L-BFGS is a limited-memory quasi-Newton code for large-scale unconstrained optimization.
transmitter_model_final
- 在BFSK发射机的基本部分是序言和数据输入电路。序言序列定位在每122位的数据包前一共有128位的数据包。序言的主要目的是协助接待，同时提供同步和数据包位。 数据输入电路主要由来自存储元件和卷积编码器与R = 1 / 2。因此，输入位必须被储存在一个临时内存，并在61位的存储区块分区。然后，卷积编码器，并增加了一倍位在邮件的末尾2位更多线索。阿多路可确保正确的序列，编码的比特之间的序言和选择，是传播到下一个阶段。 在下一阶段的发射器由两个直接器（DDS）数字合成器，以及一个用0和
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
classification-of-decision-tree
- 寻找新的构造决策树和简化决策树的方法一直是决策树技术研究的一个热点。SLIQ 算法和 SPRINT 算法很好的解决了磁盘驻留数据太大以至于无法被内存容纳带来的问题-Looking for new constructed decision tree and simplify the decision tree method has been a research focus of the decision tree technique. SLIQ algorithm and SPRINT algo
onlinesvm
- 用c编译的online svm适合大数据快速学习的分类器，对内存要求较低，适合数据量大的数据。-C compiled with online svm suitable for large data quickly learning classifiers, low memory requirements for large amount of data.
ELM
- 标准极限学习机，结合个人理解在原有版本上改进，使代码更容易理解。同时直接可以在内存中读数据，原有版本需要将数据存为文本读取.matlab版本-Standard extreme learning machine, combined with personal understanding improvement on the original version, make the code easier to understand Can directly read data in the memor
Cluster_DBSCAN
- DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。 该算法利用基于密度的聚类的概念，即要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发