搜索资源列表
Volterra_MultiStepPred_luzhenbo
- 基于Volterra滤波器混沌时间序列多步预测 作者：陆振波，海军工程大学 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页 电子邮件：luzhenbo@sina.com 个人主页：luzhenbo.88uu.com.cn 参考文献： 1、张家树.混沌时间序列的Volterra自适应预测.物理学报.2000.03 2、Scott C.Douglas, Teresa H.-Y. Meng, Normalized Data Nonlineariti
ARTnn
- 输入信号五个基于瞬时信息的特征：零中心归一化瞬时幅度功率谱密度的最大值,零中心归一化瞬时幅度绝对值的标准偏差，零中心非弱信号段瞬时相位非线性分量绝对值标准偏差，零中心非弱信号段瞬时相位非线性分量标准偏差，零中心归一化的非弱信号段瞬时频率绝对值的标准偏差，得到识别出的信号类别，本例为2PSK, 4PSK, GMSK, OQPSK, pi/4DQSK中的一个，还可以看Art网络的扩展性。-input signal instantaneous information on five character
featrue7
- 提取信号七个基于瞬时信息的特征：零中心归一化瞬时幅度功率谱密度的最大值,零中心归一化瞬时幅度绝对值的标准偏差，零中心非弱信号段瞬时相位非线性分量绝对值标准偏差，零中心非弱信号段瞬时相位非线性分量标准偏差，零中心归一化的非弱信号段瞬时频率绝对值的标准偏差，一个信号段的归一化瞬时频率功率谱密度的最大值，根据信号 QPSK 和16QAM在 XI 轴投影的不同表现，提出特征参数。-extract information based on the instan eous features : In the
matlab_sourcecode_for_Axes
- FPEXTRACTDEMO 指纹特征提取演示程序 一个完整的指纹特征提取程序。包括常用的所有算法... 选项： - Centralize: 二值化图像，计算中心点 - Crop: 图像修剪 - Sectorize: 可视化扇形 - Normalize: 归一化输入图像 - Gabor filters: 可视化Gabor滤波器 - Convolute: 计算输入图像和Gabor滤波器的convolution - Features: 特征可视化 - Fing
NMIfeature
- 提取图像的NMI特征（归一化转动惯量特征）-NMI feature extraction of image（normalized moment of inertia）
anp
- NP是美国匹兹堡大学的T.L.Saaty 教授于1996年提出了一种适应非独立的递阶层次结构的决策方法，它是在网络分析法（AHP）基础上发展而形成的一种新的实用决策方法。其关键步骤有以下几个： 1 确定因素，并建立网络层和控制层模型。 2 创建比较矩阵。 3 按照指标类型针对每列进行规范化。 4 求出每个比较矩阵的最大特征值和对应的特征向量。 5 一致性检验。如果不满足，则调整相应的比较矩阵中的元素。 6 将各个特征向量单位化(归一化)
code
- 基于matlab的虹膜边缘识别 包括边缘检测，归一化，用汉明矩进行特征匹配-Matlab on the edge of iris recognition, including edge detection, normalization, with Hamming moments feature matching
KarhunenLoeve
- 数据降维算法 K_L变换是一种最优正交变换，以矢量信号X的协方差矩阵Ф的归一化正交特征矢量q所构成的正交矩阵Q，来对该矢量信号X做正交变换Y=QX，则称此变换为K-L变换（K-LT或KLT）。-Data reduction algorithm K_L optimal orthogonal transform is a transformation to vector signal covariance matrix Ф X normalized orthogonal feature vect
AHP
- AHP层次分析法特征向量及其归一化的MATLAB实现-AHP Analytic Hierarchy feature vector and its normalized MATLAB implementation
recognition
- 本实验语音库为免费的柏林情感语音库，其采样频率为16KHZ，16bit量化。该语音库共有500 句情感语音信号，分别由十名专业演员(5 男，5 女)在不同情感状态下（高兴、愤怒、平静、悲伤、害怕、厌烦、憎恨）朗读十句不同文本的德语组成。本实验选取其中的部分情感（高兴、愤怒、悲伤）加以识别。仿真实验环境为MATLAB7.0。 实验选取的情感特征为短时平均能量、短时平均幅度、基频和短时过零率。为了降低不同人在表达不同情感时的个人差异造成的影响，本文实验过程中将提取的情感特征进行归一化处理。归一化
bujianju
- 用matlab对图像的7个不变矩特征进行提取，并进行归一化。亲测可用，适合初学者。-Matlab for image seven moment invariant features were extracted and normalized. Pro-test is available for beginners.
Irispca
- Iris 数据集的pca降维，先对Iris数据集进行特征提取，数据归一化，并将结果用图像显示出来。-Iris dataset pca dimensionality reduction
xiaobobaoju
- 小波包能量巨程序（已做归一化处理，用于对振动信号提取特征）-Wavelet packet energy giant program (normalization process has been done for the vibration signal feature extraction)
Bxiaobo3
- 小波包分解，提取能量特征，然后进行归一化处理，获取诊断信息-Wavelet Neural Network
cengcifenxifa
- 层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述
npqibpmr
- 数据模型归一化，模态振动，用于信号特征提取、信号消噪，是小学期课程设计的题目，实现了对10个数字音的识别程序采用波束成形技术的BER计算，Relief计算分类权重。- Normalized data model, modal vibration, For feature extraction, signal de-noising, Is the topic of the elementary school stage curriculum design, Realization of 10 di
tegcweev
- 可以得到很精确的幅值、频率、相位估计，相控阵天线的方向图（切比雪夫加权），用于信号特征提取、信号消噪，数据模型归一化，模态振动，包括最小二乘法、SVM、神经网络、1_k近邻法,IDW距离反比加权方法。- You can get a very accurate amplitude, frequency, phase estimation, Phased array antenna pattern (Chebyshev weights), For feature extraction, signal
smrimjfp
- 是本科毕设的题目，数据模型归一化，模态振动，可以实现模式识别领域的数据的分类及回归，针对EMD方法的不足,进行逐步线性回归，结合PCA的尺度不变特征变换(SIFT)算法。- The title of the commercial is undergraduate course you Normalized data model, modal vibration, You can achieve data classification and regression pattern recognit
uxukbdfx
- 数据模型归一化，模态振动，采用偏最小二乘法，有均匀线阵的CRB曲线，供做算法研究人员参考，包含特征值与特征向量的提取、训练样本以及最后的识别，鲁棒性好，性能优越。- Normalized data model, modal vibration, Partial least squares method, There ULA CRB curve, Algorithm for researchers to do reference, Contains the eigenvalue and eigen
The eigenvector of the eigenvalue
- 求解一个矩阵的最大特征根及最大特征根对应的特征向量，并对其归一化，求出权向量。主要用来解决数学建模层次分析法中需求解的各指标权重值。以及附带了几个动态图形的制作编程(The eigenvector of the largest eigenvalue and the largest eigenvalue of a matrix is solved and normalized, and the weight vector is obtained. It is mainly used to solv