搜索资源列表
Interface_of_Turbo_code_design
- 现在广义的Turbo码是指采用级联或乘积编码方法并利用迭代译码方法的编译码方案。迭代译码的基本思想是将一个的复杂的长的译码步骤分解为多个相对简单的迭代译码步骤而且在迭代译码步骤之间信息概率的转移或者是软信息的传递确保几乎没有信息损失。 根据其成员码和级联的方法的不同，Turbo码的分类 .本设计论文提供了Turbo码matlab代码以及界面设计（版权所有，仅供参考！） -now generalized Turbo code refers to the use of the product
gailvtongjimatlab
- 本文介绍MATLAB在概率统计中的若干命令和使用格式，希望大家多多支持啊!-in probability and statistics of a number of orders and the use of the format, we hope the generous support ah!
yiqun
- 针对XML 数据半结构化的特点及概率查询的理论，结合蚁群算法，提出添加杂交 算子，更新信息素的方法，不仅能动态选择数据查询方向。
MonteCarloMethod
- Monte Carlo 法是用来解决数学和物理问题的非确定性的（概率统计的或随机的）数值方法。Monte Carlo 方法（MCM），也称为统计试验方法.主要是研究均匀介质的稳定状态[1]。它是用一系列随机数来近似解决问题的一种方法，是通过寻找一个概率统计的相似体并用实验取样过程来获得该相似体的近似解的处理数学问题的一种手段。
Nonparametric_Snakes
- ０７年的一个ＩＥＥＥ文献．传统的snake是确定一组参数来调整内外力的平衡，本文应用非参数snake把获得参数这一困难的问题转化为求边界的一个好的概率密度估计问题
knn
- 朴素贝叶斯(Naive Bayes, NB)算法是机器学习领域中常用的一种基于概率的分类算法，非常简单有效。k近邻法(k-Nearest Neighbor, kNN)[30,31]又称为基于实例(Example-based, Instance-bases)的算法，其基本思想相当直观：Rocchio法来源于信息检索系统，后来最早由Hull在1994年应用于分类[74]，从那以后，Rocchio方法就在文本分类中广泛应用起来。
Investigation-on-Simulation2Number-in-AWGN-Channel
- 摘要: 研究了蒙特卡罗仿真原理和仿真结果置信度 结合AWGN(加性白高斯噪声) 信道特点,甄选出3 个合适的 参量,即误码个数、置信概率和仿真结果最大相对误差 提出了AWGN 信道下仿真数据量选取的一般性结论,即误 码个数正比于置信区间上分位点的平方、反比于最大相对误差的平方. 仿真结果验证了所提结论在AWGN 信道各 种信噪比下均有效 同时对于无线通信或移动通信的时变多径衰落信道,如采用OFDM(正交频分复用) 、分集、均 衡、交织等技术,能将信道改造为AWGN 信道,该结论依
fenguwenti
- 无线传感器网络的主要功能是实现数据发布,在接收到信息查询时能够以有效的方式传输给查询者.目前的数据发布方式通常基于洪泛机制查询信息,浪费了有限的能源.虽然一些最近的数据发布协议从不同程度上解决了这一问题,但不能保证查询成功率.基于圆形节点分布网络模型提出了一种既能减少能源消耗,又能提高成功率的数据发布模式——直径-弦模式DCS(diameter-chord scheme).该模式利用了每个圆的弦都存在一个直径与之垂直相交的性质.在此基础上提出了Two-Phase协议.它在信息查询时分成两个工作方
jpda
- 用于多目标数据关联的联合概率数据关联算法（jpda算法）的matlab仿真
new-word-identification
- 基于概率统计技术和规则方法的新词发现。利用概率统计与规则相结合的优点来实现新词的识别
chuanrao1
- 从蒙特卡罗方法的思路可看出，该方法回避了结构可靠度分析中的数学困难，不管状态函数是否非线性、随机变量是否非正态，只要模拟的次数足够多，就可得到一个比较精确的失效概率和可靠度指标
Speech_Recognition_System_Based_on_HMM_in_MATLAB_E
- 摘要 : 在 MAT LAB环境下利用语音工具箱 Voice Box实现基于连续概率密度隐含马尔科夫模型的汉语语音识别系统。在 实时录音的情况下 , 利用该语音识别系统 , 不同的人对 20条 2～8个字的语音命令进行识别 , 准确率可达到 95 ％ , 识别时间 115～3 s , 实现了小词汇量连续语音的非特定人的实时识别。
考研数学
- 2009年考研数学公式最新总结大全高等数学，线性代数，概率统计.rar
粒子滤波算法综述
- 对粒子滤波算法的原理和应用进行综述，首先针对非线性非高斯系统的状态滤波问题 阐述粒子滤波的原理，然后在分析采样重要性，重采样算法基础上 讨论粒子滤波算法存在的主要问题和改进手段，最后从概率密度函数的角度出发，将粒子滤波方法与其他非线性滤波算法进行比较，阐明了粒子滤波的适应性， 给出了粒子滤波在一些研究领域中的应用并展望了其未来发展方向。
概率选讲
- 数学概率的学习
一种基于图像显著特征点的检索算法
- 摘要提出一种基于图像显著特征点的检索算法．首先给出一种具有一定自适应能力的显著特征点的提取算 法，即采用改进的图像的块逆概率差模型来提取原图像的块逆概率差图像(DBIP图像)．在此基础上，根据BDIP图 像中像素的分布特点来提取图像的显著特征点．然后以它们为线索，把图像的形状特征和空间颜色分布特征有机 结合起来进行检索．该算法不仅克服利用兴趣点检索时的缺点，而且降低传统显著点提取算法的复杂度，又包含一 定的形状信息，具有较好的检索效率．实验结果表明，该算法是有效的． 关键词基于内容的图
CFARanalysis
- 对于门限电平的设置，常常用到虚警概率，但是恒虚警是根据电平的变化来设置虚警概率。-Threshold levels for the settings, usually used for false alarm probability, but CFAR is based on changes in level to set the false alarm probability.
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
003
- 天波超视距雷达多径概率数据互联算法，很经典的研究天波超视距雷达的算法。(A Multipath Data AssociationTracker for Over-the-Horizon Radar)
hist
- i_tmp=int32((x(i)-minx)/xfd)+1; j_tmp=int32((y(i)-miny)/yfd)+1; z_tmp=int32((z(i)-minz)/zfd)+1; cntxy=tjxy(i_tmp,j_tmp ); cntxz=tjxz(i_tmp,z_tmp ); cntyz=tjyz(j_tmp,z_tmp ); cntxyz=tjxyz(i_tmp,j_tmp,z_tmp ); tjxy