搜索资源列表
MatlabandVB
- 第一章 概述 辨识（Identification）、状态估计和控制理论在现代控制理论中是密不可分的，它们互相渗透。辨识和状态估计离不开控制理论的支持，控制理论的应用几乎不能没有辨识和估计技术。由此可见，辨识在科研与实际应用领域都有很高的实用价值。 所谓辨识，就是从含有噪声的输入、输出数据中提取被研究对象的数据模型。此数据模型只是过程的输入输出特性在某种意义下的近似，而近似的准确度一般取决于采样数据的精度以及辨识方法的合理性。 辨识的目的是根据过程所提供测量的数据等信息，在某种准则意
jcwtlib-0.01.tar
- 独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优化算法，寻求最优的分离矩阵，使得输出信号中各分量尽可能相互独
AMSS
- 为了提高布匹瑕疵图像的滤波效果,针对检测过程中图像易受到多种混合噪声污染的特点,提出一种基于多尺度迭 代思想以改进AMSS 算子。将偏微分方程中的AMSS 方程以有限差分的形式离散化,依据量化尺度参数t 和尺度步长Δt ,采 用小尺度步长对污染图像进行多次迭代滤波。针对改进AMSS 算子的滤波结果,介绍了一种采用水平线算法进行效果分析 的新方法。实验结果表明,和其他算法相比,该滤波算法在滤除受未知混合噪声污染图像干扰的同时,能够更好地保留边缘 信息,从而达到更理想的平滑效果。-F
Image-reconstruction_CS
- 合稀疏贝叶斯学习(SBL)和可压缩传感理论(CS)，给出一种在噪声测量条件下重建可压缩图像的方法。该方法将cS理论中图像重建过程看作一个线性回归问题，而待重建的图像是该回归模型巾的未知权值参数；利用sBL方法对权值赋予确定的先验条件概率分布用以限制模型的复杂度，并引入超参数- Hop sparse Bayesian learning ( SBL ) and compressible sensing theory ( CS ) , give a compressible image recon
1
- 一篇关于变分贝叶斯解决噪声参数未知的论文代码，噪声分布使用了逆威沙特分布构建(A paper code about solving the unknown noise parameters with variable decibel Bayes. The noise distribution is constructed with inverse wissaud distribution)