搜索资源列表
setupbasepack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_mathpack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_chempack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_guipack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
fortran
- Fortran程序集，用于气象中的各种程序计算，比如EOF，SVD，滑动T检验，累计距平。-Fortran program set in a variety of procedures for meteorological calculations, such as EOF, SVD, sliding T-test, the cumulative anomaly
SVD_TLS
- 一种用总体最小二乘法来估计ARMA模型的实例，在MATLAB中进行了仿真，附有MATLAB仿真程序-A total least squares method to estimate the ARMA model examples were carried out in the MATLAB simulation, with a MATLAB simulation program
sign_flip
- Descr iption Although the Singular Value Decomposition (SVD) and eigenvalue decomposition (EVD) are well-established and can be computed via state-of-the-art algorithms, it is not commonly mentioned that there is an intrinsic sign indeterminac
Dataregistrationin3-Dscanningsystems
- 通过引入特征点和改进最近点迭代法, 提出了一种 在三维扫描系统中对三维点云数据进行配准的方法。该方法 通过对特征点的提取, 首先得到一组匹配点对, 然后运用 SVD 矩阵分解算法求出转换参数R 和T, 进而以此作为最 近点迭代法的初始值, 并对最近点的求法和迭代截止条件作 了改进, 得到了很好的配准效果。该文论述了该方法的基本 原理, 并通过不同视觉下物体三维测量点云数据配准的应用 实例证明了该方法的有效性。-A 3-D meas uring dat a r egis
directlda
- Após o pré-processamento (prep), os dados sã o reduzidos pelo algoritmo SVD e calcula-se os Scores (T) e os Loadings (P). Posteriormente, plota-se T e P, na forma de gráficos biplots
ridgereg
- 岭回归函数，基于SVD分解的岭回归函数，已经证明了是非的有用和强大- center input and output, so we can estimate w0 separately since we don t want to shrink w0
ICP
- 用svd的方法最优化求解两个点云的变换矩阵，R和T(Using SVD method to optimize the transformation matrix, R and T of two point clouds)