搜索资源列表
网络流量的混沌特性研究及网络流量预测算法研究
- 本文针对网络流量的混沌特性,介绍网络流量的相空间重构方法和参数确认的方 法,并通过简单的试验验证理论的可用性。 同时将小波变换和非线性动力学方法相结合研究网络流量的混沌特性,并改进相空 间重构方法。将混沌吸引子投影于小波滤波器向量所张的空间中,并充分利用了小波变 换的去噪优点,将小波变换与相空间重构结合,构建出一个新的重构模型,并用试验证 明其优越性。将小波神经网络混沌时间序列预测方法引入到网络流量预测中,给网络数 据流的预测方法都提供了行之有效的新方法。
lindatanetwork1.rar
- 主要是数据挖掘中的文本挖掘算法及其分析,其中包括层次聚类,空间向量模型等,处理对象有对于网页的也有针对纯文本的。,Mainly in data mining and analysis of text mining algorithms, including hierarchical clustering, vector space model to deal with subjects of the pages are for plain text.
3ds-opengl
- 读取由Pro/E生成的obj模型文件。由Pro/E中生成的obj三维模型文件,在处理之前,有几个问题要加以考虑: (1)Pro/E中生成的obj文件,对于面的定义,用到三个索引值“f 顶点1/纹理1/法向量1 顶点2/纹理2/法向量2 顶点3/纹理3/法向量3 ”,如“f 1/1/1 2/2/2 6/6/6”等; (2)Pro/E中生成的obj文件对顶点和纹理坐标的定义,常常出现重复。之所以采用这种顶点重复的obj格式写出文件,主要是考虑到共面顶点的法向量可能因为所处的面不同而不同。这样
SIFTkey
- 由于只是利用图像的灰度信息,sl 算法不能很好地区分形状相似但颜色不同的物体:针对这一问题,提出了一种基于彩 色的SIFT特征点提取算法,并着重分析了多种彩色模型对算法性能的影响?这种算法也是在图像的灰度尺度空间上检测特征点, 但其特征向量由各描述子子区域的彩色模型分量的均值组成并在原始的彩色图像上进行计算:实验结果证明了该算法的有效性。-Abstract:Because only the gray scale information is utilized.the SIFT metho
SIFT
- 由于只是利用图像的灰度信息, SIFT 算法不能很好地区分形状相似但颜色不同的物体。针对这一问题, 提出了一种基于彩 色的SIFT 特征点提取算法, 并着重分析了多种彩色模型对算法性能的影响。这种算法也是在图像的灰度尺度空间上检测特征点, 但其特征向量由各描述子子区域的彩色模型分量的均值组成并在原始的彩色图像上进行计算。-SIFT
7
- 本文提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN 核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV) 空间, 利用SNN 核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN 核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN 核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性. -This paper prese
-SVM-(support-vector-machine)
- 支持向量机SVM是一种新的机器学习方法,其基础是统计学理论。模型泛化能力强;进行非线性分类时通过高维空间变换。-Support vector machine SVM is a new machine learning method, its base is statistics theory. Model generalization ability When the nonlinear classification by high dimension space transformation
The-detection-of-traffic-lights
- 交通信号灯的检测是复杂场景下交通灯识别的重点。采用了色彩分割与关联滤波方案进行交通灯的检测。首先,建立交通信号灯的高斯模型,利用高斯向量与多色彩空间结合的方法进行图像分割。然后,采用基于区域增长与相似性判定的关联滤波,对色彩分割后的图像进行处理。最后,使用基于canny算子的边缘提取算法获取方向指示灯轮廓特征,并使用基于改进hu不变矩和马氏距离对方向指示信号灯进行分类。-The detection of traffic lights is the focus of traffic lights
human-detect-and-track-
- 为了检测红外图像序列中的运动人体,提出了一种基于最大后验概率 (MAP)-马尔可夫随机场(MRF)模型和亮度-距离联合直方图的人体实时检测 方法。该方法首先建立图像序列时空域联合的概率分布模型,采用基于 MAP-MRF 模型的前景检测方法得到可能为人体的感兴趣区域(ROI)。然后在以 ROI 中心点 为圆心的各个圆环域中统计其亮度信息,构建基于亮度-距离联合空间的分类特 征。最后,采用支持向量机(SVM)分类器对候选区域进行分类检测。不同红外 图像序列的实验结果均表明,本
VectorSpaceModel
- 数据挖掘中关于空间向量模型的java实现-This is a model of Vector Space in java.
Classifiers
- 空间向量模型VSM的c++实现代码,有利于进行文本分类预处理工作-The c++ vector space model VSM implementation code, help for text classification preprocessing
id3
- 基于空间向量模型的高性能、高效率ID3算法决策树分类-Vector space model based on high-performance, high-efficiency ID3 decision tree classification algorithm
IG
- 文本分类中特征提取的代码。采用信息增益法,对文本的空间向量模型能达到有效降维。文件的输入形式必须是词号-词频形式。- Text Categorization feature extraction code. Using information gain method, the vector space model of the text to achieve effective dimensionality reduction. Enter the file must be in the f
vector
- c++实现的信息检索领域中的空间向量模型,只能实现本地txt的检索-vector space model
HLRF_method
- 一次可靠度的HLRF算法。随机向量的概率模型采用Nataf分布,考虑变量相关性。验算点搜寻采用U空间的梯度迭代算法。-This is a first-order reliability method based on HLRF algorithm. A multivariate distribution model,Nataf model,is used to generate the random variables. To search the design point in indenpe
uvwccpqn
- 仿真效率很高的,最大似然(ML)准则和最大后验概率(MAP)准则,车牌识别定位程序的部分功能,采用加权网络中节点强度和权重都是幂率分布的模型,数学方法是部分子空间法,包含特征值与特征向量的提取、训练样本以及最后的识别。- High simulation efficiency, Maximum Likelihood (ML) criteria and maximum a posteriori (MAP) criterion, Part of the license plate recognitio
cmykyvxa
- 基于人工神经网络的常用数字信号调制,GPS和INS组合导航程序,关于神经网络控制,matlab开发工具箱中的支持向量机,数学方法是部分子空间法,是国外的成品模型。- The commonly used digital signal modulation based on artificial neural network, GPS and INS navigation program, On neural network control, matlab development toolbox s
word2vec
- word2vec本质上来说就是一个矩阵分解的模型,简单地说,矩阵刻画了每个词和其上下文的词的集合的相关情况。对这个矩阵进行分解,只取每个词对应在隐含空间的向量。(Word2vec is essentially a model of matrix decomposition. In a simple way, matrices characterize the set of words in each word and its context. The matrix is decomposed,
Matlab-libsvm-3.20
- SVM(Support Vector Machine)指的是支持向量机,是常见的一种判别方法。在机器学习领域,是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起,然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去,这种分类器被称为支持向量机(Support Vector Machine,简称SVM)。支持向量机的提出有很深的理论背景。 支持向量机方法是在后来提出的
Turbsim
- 全场随机风模拟机。它使用统计模型(如与基于物理的模型相反)来数值模拟三分量风速的时间序列在空间中固定的二维垂直矩形网格点上的向量。(TurbSim is a stochastic, full-field, turbulent-wind simulator. It uses a statistical model (as opposed to a physics-based model) to numerically simulate time series of three-component