搜索资源列表
编译原理及实践
- 目 录 译者序 前言 第1章 概论 1 1.1 为什么要用编译器 2 1.2 与编译器相关的程序 3 1.3 翻译步骤 5 1.4 编译器中的主要数据结构 8 1.5 编译器结构中的其他问题 10 1.6 &
存储管理源代码
- 分区式存储管理源代码 一、可变分区存储管理的基本策略 1)不预先划分几个固定分区，分区的建立是在作业的处理过程中进行的，各分区的大小由作业的空间需求量决定。 2)采用指针方式将各个空闲分区链接而成的链表，用以记录主存分配现状。 3)分配与回收算法按空闲分区链接方式的不同分类，有最佳、最坏、首次和下次适应四种算法。 二、程序模拟的设计 1、基本思想 采用事件驱动模型。事件有： 1)申请主存事件，表示一个作业创建时提出的主存资源要求； 2)释放主存事件，表示一个作
shuju2
- 数据分类的小程巽 比如: data segment buf1 db 1 2 38 9 47 6 5 buf2 db 1 2 3 412 13 14 511 16 15 610 9 8 7 buf3 db 1 2 3 4 516 17 18 19 615 24 25 20 714 23 22 21 813 12 11 10 9 dbuf db 14 dup(?)-data classification small way Sunda For example : dat
DRAP
- 该系统能取得与SVM相当的精度，但运行速度却远远快于SVM。目前，该系统已在大规模高速数据流过滤中得到应用。在普通PC上它的过滤(分类)速度可以超过4M/秒。若用10k来估计一篇文本的长度，那么本系统每秒钟可以过滤(分类)约400篇文本。本系统的核心部分采用C++编码，界面采用VB开发平台。安装包是在VB6.0环境下使用VB自身的打包工具打包而成。安装后即可使用。
c++source
- 利用矩阵的思想 大量数据分类储存 以矩阵的形式储存 大家可以参考下-The idea of using matrix classification of a large amount of data stored in matrix form of storage we can refer to the following
jiyuneirongdeyinpinjiansuoyan
- 本文根据上述的研究，采用基于Mel倒谱系数特征的隐马尔可夫模型对音 乐进行分类。在音乐特征提取方面，以感知特征和Mel倒谱系数组成特征向量 在音乐分类方面，以隐马尔可夫模型作为分类器，对音乐进行聚类和分类。通过 有监督的学习方式进行聚类，分类时将测试样本归入似然值最大的类别，对同一 音频抽取若干样本，对样本识别结果采用投票法，判定该音频的音乐类别，使分 类的准确率得到进一步的提高。根据上述方法进行了仿真实验，并对实验结果进 行了分析。本文将音频数据分为5类，对4种分类器
BPDLX
- 神经网络30案例 案例1 BP神经网络的数据分类-语音特征信号分类-Cases of 30 cases of neural network BP neural network data classification- voice characteristic signal classification
neture-network
- 神经网络 BP神经网络的数据分类-语音特征信号分类-neture network
BP.zip
- 案例1 BP神经网络的数据分类-语音特征信号分类,The case of BP neural network data- voice characteristics signal classification
33878
- SVM神经网络的数据分类预测——葡萄酒种类识别-SVM neural network data classification forecast- wine species identification
2
- 是关于神经网络的数据分类预测的一个源代码，关于向量机的，采用径向基核函数-Neural network data classification forecast
BP
- BP神经网络的数据分类-语音特征信号分类-BP neural network data classification- speech feature signal classification
BP-3
- SVM神经网络的数据分类预测-葡萄酒种类识别-SVM neural network data classification forecast- Wine Type Identification
eg1-yuyantezhengxinhaofenlei
- 《MATLAB神经网络30个案例分析》中的第一个例子，案例1 BP神经网络的数据分类-语音特征信号分类。希望对大家有用！ -" MATLAB neural network 30 case studies" in the first example, case 1 BP neural network data classification- speech feature signal classification. I hope useful!
WineClass
- 基于SVM的数据分类预测——意大利葡萄酒种类识别,SVM网络预测,结果分析-SVM-based data classification prediction- Italian Wine type recognition, SVM network prediction results analysis
dataset_editing
- 实现基于NeuroScan平台采集的脑电信号的数据分类、打标等功能-Realize the functions of data classification and marking, etc.of EEG collected by NeuroScan platform
svm
- SVM神经网络的数据分类预测-葡萄酒种类识别，能够很好地预测葡萄酒种类。-SVM neural network data classification prediction- wine species identification, can be a good predictor of wine types.
Speech-charactertic-classfication
- BP神经网络的数据分类-语音特征信号分类，主程序和子程序均在压缩文件中-The BP neural network data classification
chapter14
- 基于svm的数据分类预测，数据集是意大利葡萄酒种类的数据集，对葡萄酒进行种类识别以及分类。-Based on the svm data classification prediction, the data set is the Italian wine category data set, the wine species identification and classification.
案例1 BP神经网络的数据分类-语音特征信号分类
- 使用BP神经网络的数据分类-语音特征信号分类(Data classification using BP neural networks -- speech feature signal classification)