搜索资源列表
SVDcode
- 利用一般最小二乘法和SVD-TLS方法 进行AR参数估计和正弦波频率估计 -use of general and the least-squares method SVD-TLS AR method parameter estimates and the estimated frequency sine wave
mathmodel
- 这是一个好的建模学习资料,赶快下载吧, 数学建模十大算法 ( 包含:蒙特卡罗算法、数据拟合、参数估计、 插值等数据处理算法、线性规划、整数规划、多元规划、二次规划等规划类问题、 图论算法、动态规划、回溯搜索、分治算法、分支定界等计算机算法、 最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法、 网格算法和穷举法、一些连续离散化方法、数值分析算法、图象处理算法）-This a good model to study the information, downloa
LS-TLS
- LS和TLS算法原理及其Matlab仿真,未知的参数向量 常可以建模成矩阵方程 ，A和b分别是与观测数据有关的系数矩阵的向量。通过使误差的平方和最小来确定参数估计向量 。所求得的估计成为最小二乘估计 -LS and TLS Algorithm and its Matlab simulation, the unknown constant parameter vector into a matrix equation can be modeled, A and b are coefficien
RELS
- 增广最小二乘法参数估计，系统辨识，针对含有输出噪声的SISO模型。-Augmented least squares parameter estimation, system identification, aimed at containing the output noise of the SISO model.
RBF
- 利用RBF进行时间序列的预测，可用于故障诊断中的参数估计和预测-Use of RBF for time series prediction can be used for fault diagnosis of parameters estimates and projections
papermat
- 极化阵列信号处理DOA及极化参数估计； 阵列同何结构不作要求，应用电磁波6维矢量间的5个不变性。-Polarized array signal processing DOA and polarization parameters estimation array structure with the HO for the requirements of the application of electromagnetic waves between 6-dimensional vector
em
- em算法是一种估计最优参数的方法 又名最大期望算法-em algorithm is a way to estimate the optimal parameters, also known as the greatest expectations algorithm
textureclassfication
- 提出了一种基于函数联接的感知器神经网络的纹理分类方法.它采用高斯2马尔柯夫随机场模型(GM RF)对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得.将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题.对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果. -Based on the function connected perceptron neural network tex
pso_ParameterEstimation
- 利用粒子群优化算法求解代谢途径的参数估计问题-The use of particle swarm optimization algorithm in the problem of estimating the parameters in metabolic pathways
DE_ParameterEstimation
- 利用差分近进化算法求解代谢途径参数估计问题-The use of differential evolution algorithm for metabolic pathway in recent parameter estimation problem
qpso_ParameterEstimation
- 用量子粒子群算法求解代谢途径参数估计问题-With the quantum particle swarm algorithm for parameter estimation of metabolic pathways
IEEEXplore11
- svm 信号理论的核参数估计，这是一篇ieee上下载的文章，与大家分享学习，谢谢。-SIGNAL THEORY FOR SVM KERNEL PARAMETER ESTIMATION . D. B. Nelson, R. L Damper, S. R. Gunn and B. Guo
svm_wenxian
- 支持向量机是一种新颖的机器学习方法，主要用于模式识别、回归预测、函数逼近、参数估计。相比于其他的学习方法，支持向量机不仅克服了非线性，局部极小和维数灾难问题，而且具有更好的泛化能力。-Support vector machine is a novel machine learning method, mainly for pattern recognition, regression, function approximation, parameter estimation. Compared
Image_Feature_Selection_Method_Based_on_Immune_Enc
- 针对目标与背景两类图像模式识别问题,在已有的特征选择方法基础上,提出了一种新颖的基于免疫分子编码机理的图像特征选择方法(IACA). 该方法借鉴生物免疫系统的抗体分 子编码机理,在对样本进行参数估计情况下,提出熵度量单个特征对于目标和背景的识别敏感度 从集合的角度研究并且定义了特征之间的包含和互补关系 并且基于组成抗体分子氨基酸结合能量最小原则,提出了关于图像目标的免疫抗体构建规则 最终实现了寻找最优特征子集的算法IACA ,该特征子集的维数通过算法自动获得无需人为设定,选择结果为目标的“免
Two-level-Particle-Filter-Based-Lane-Detection-for
- 提出了基于2层粒子滤波数据融合的道路检测框架.通过道路检测算法的2个主要模块:特征 提取和道路参数估计,同时引入粒子滤波算法,并以支持向量机(SVM)识别道路模型、初始化粒子滤波器提高算法的环境适应性,以期找到基于机器视觉的道路检测算法在鲁棒性和实时性之间更好的平衡点. -Since the normal monocular-vision based lane detection algorithms for outdoor applications sel- dom conside
duanshijianjiaotongliuyuce
- 数学建模中对交通流量短时间预测 主要基于非参数估计回归-Mathematical Modeling of short-term traffic forecast is based on nonparametric regression estimation
Gauss
- 模式识别理论中的Gauss分布参数估计-Gauss分布参数的极大似然估计-Guassian distribution-pattern recognition
MLS
- 当信噪比较大时，采用广义最小二乘法可能会出现多个局部收敛点，解决这个问题的方法可用多级最小二乘法，一般来说多级最小二乘法包含三级辨识过程。利用输入输出数据，通过多级最小二乘法，可分别求的辅助模型，过程模型和噪声模型的参数估计值。在高噪声的情况下，多级最小二乘法明显优于广义最小二乘法，其收敛点唯一。-When the signal noise ratio (SNR), and by use of the generalized least squares method may appear mor
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
RELS
- 增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average