搜索资源列表
ols
- 正交最小二乘辨识算法 该算法除了实现最小二乘辨识功能之外而且能按照各项重要性将其逐一选出并且估计相应系数-OLS Orthogonal Least Quares. [x, ind] = OLS(A,b,r) gives the solution to the least squares problem using only the best r regressors chosen from the ones present in matrix A. This
k-th
- 在Bialas與Karwan的第 解演算法 [13] 則是搜尋限制式解域中的端點，並且歸類為已搜尋端點集合、未搜尋端點集合、可行解端點集合、非可行解端點集合，再從可行解端點集合中找出使高階目標值最佳的端點。-Bialas and Karwan in the first solution algorithm [13] is the search for solutions in the domain of endpoint constraints, and the endpoints are cl
kmeans
- k means algorithm with best results
FitDataToALogisticFunction
- 在这项工作中所使用的方法是基于一个由大卫阿诺德教程。 http://online.redwoods.cc.ca.us/instruct/darnold/diffeq/logistic/logistic.pdf 这将运行该Logistic.m带来了图形用户界面。 1。放弃在列的格式文本文件中的x值 2。放弃在山口格式文本文件中的y值 3。的阴谋初始 按钮将绘制的分布 4。 查找适合 按钮，会找到最适合 5。 重置 将删除的情节（虽然我想打扫所有的领域
k-means
- K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。-K-means algorithm is based on the division of the classic clustering method, is ten classic one of data mining algorithm. K-means the
Sigmon-K.-MATLAB-Primer-(3rd-ed.-1993)(en)(34s).r
- The purp ose of this Primer is to help you b egin to use MATLAB. It is not intendedto b e a substitute for the User s Guide and Reference The purpose of this Primer is to help you begin to use Matlab.The Primer can best be used hands-on. You are enco
KSVD_Matlab_ToolBox
- The K-SVD is a new algorithm for training dictionaries for linear representation of signals. Given a set of signals, the K-SVD tries to extract the best dictionary that can sparsely represent those signals.
MLRE
- MLRE算法，选取最优K近邻，是识别率达到更高-MLRE algorithm select the best K-nearest neighbor, is to achieve a higher recognition rate
find--k-best-1.00
- Implementation of the Murty algorithm to obtain the best K assignments. Includes the implementation of the Jonker-Volgenant algorithm. Usual applications are multiple target tracking algorithms, Joint Probabilistic Data Association (JPDA), Mult
ChannelCap
- 信道容量C的迭代算法 函数说明： [CC,Paa]=ChannelCap(P,k) 为信道容量函数 变量说明： P：输入的正向转移概率矩阵，k：迭代计算精度 CC：最佳信道容量，Paa：最佳输入概率矩阵 Pa：初始输入概率矩阵，Pba：正向转移概率矩阵 Pb：输出概率矩阵，Pab：反向转移概率矩阵 C：初始信道容量， r：输入符号数，s：输出符号数 -Channel capacity C o
four
- 计算成组滑动的滑窗检测器的最佳门限已知: 击中数N = 128, 组宽n = 8，PF = 10¡ 6，PD = 90 假设以下条件: (a) 信号不起伏 (b) 忽略天线波束调制 1 (c) 计算PD时忽略目标区以外噪声的影响 组门限(第二门限)为K=8 滑窗的门限(第三门限)为L=16 (滑窗中包含的组数为16) 求解: 最佳的KOPT 和LOPT，对这题做了具体仿真实现。需要的朋友，一定知道很有用。-Optimal threshold calculate
GM_EM
- 不错的GM_EM代码。用于聚类分析等方面。- GM_EM- fit a Gaussian mixture model to N points located in n-dimensional space. Note: This function requires the Statistical Toolbox and, if you wish to plot (for k = 2), the function error_ellipse Elem
k_mean
- 在聚类分析中，K-均值聚类算法（k-means algorithm）是无监督分类中的一种基本方法，其也称为C-均值算法，其基本思想是：通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 -In cluster analysis, K-means clustering algorithm (k-means algorithm) is unsupervised classification is a basic method, which is also known as C
immunity
- 免疫遗传算法流程为： (1)随机产生初始父代种群A1 (2)根据先验知识抽取疫苗。 (3)若当前种群中已包含最佳个体，算法结束；否则进行以下步骤。 (4)根据抗体浓度和适应度进行复制。 (5)对当前第K代父代种群AK进行交叉操作，得到种群BK。 -Immune genetic algorithm process as follows: (1) randomly generated initial parent population A1 (2) vaccine based
GMDH
- gmdh代码 训练方法 —————————————— 1.将数据集分为训练集和测试集。 2.建立输入层 3.建立所有符合5楼条件的神经元（只考虑“攻”和“受”的关系，不考虑具体的权值）。如果前面几层共有N个神经元，那么我们就需要建立N(N-1)/2个神经元。 4.用最小二乘法确定权值 5.计算每一个神经元在测试集上的表现。 6.选取表现最好的K个神经元放在后面一层。（K可以自己选择） 7.重复3,直到网络的性能足够好，或者网络开始过拟合。(GMDH codeTraining me
KNN
- K最邻近密度估计技术是一种分类方法，不是聚类方法。 不是最优方法，实践中比较流行。 通俗但不一定易懂的规则是： 1.计算待分类数据和不同类中每一个数据的距离（欧氏或马氏）。 2.选出最小的前K数据个距离，这里用到选择排序法。 3.对比这前K个距离，找出K个数据中包含最多的是那个类的数据，即为待分类数据所在的类。(K nearest neighbor density estimation is a classification method, not a clustering metho
knn1
- K最邻近密度估计技术是一种分类方法，不是聚类方法。 不是最优方法，实践中比较流行。 通俗但不一定易懂的规则是： 1.计算待分类数据和不同类中每一个数据的距离（欧氏或马氏）。 2.选出最小的前K数据个距离，这里用到选择排序法。 3.对比这前K个距离，找出K个数据中包含最多的是那个类的数据，即为待分类数据所在的类。(K nearest neighbor density estimation is a classification method, not a clustering metho
point_cloud
- 用经典的pca k邻域方法估计点云法向量的程序，带有matlab gui，使用matlab 2016b编译运行成功，输入点云最好为列向量的txt文件，gui中内置了点云显示模块以及生成的点云法向量显示，并且可以输出法向量到txt文件中。(The program of estimating point cloud vector with the classical PCA K neighborhood method, with Matlab GUI, uses MATLAB 2016b to co
Improved K-means
- 基于数据密度自动计算最佳K聚类中心，对数据进行聚类(The best K clustering center is automatically calculated based on data density to cluster data.)
kmean
- 确定K均值最佳聚类数，把数据导入后运行即可(Determining the best clustering number of K mean)