搜索资源列表
xiong
- 隐马尔可夫的动态链接库，在Vc2005的环境编写，用户输入隐马尔可夫模型的五个参数，就能计算前向、后向和韦特比算法的结果
migong
- 迷宫问题 任务：可以输入一个任意大小的迷宫数据，用非递归的方法求出一条走出迷宫的路径，并将路径输出； 要求： 在上交资料中请写明：存储结构、基本算法（可以使用程序流程图）、源程序、测试数据和结果、算法的时间复杂度、另外可以提出算法的改进方法； [问题描述] 走迷宫是实验心理学中一个古典问题。用计算机解迷宫路径的程序，就是仿照人走迷宫而设计的，也是对盲人走路的一个机械模仿。 [实现提示] 假设迷宫是一个矩形，我们把它分成许多小方格，在每个小方格上或者已筑成墙或者没有，这
FTF
- FTF快速横向滤波算法，需要对四个横向滤波器－－基本滤波器，前向预测滤波器，后向预测滤波器和增益滤波器的更新。
改善动态相位跟踪和不平衡电压检测性能的改进软锁相环算法
- 相位检测是控制系统的基础，软锁相环检测适用于电 压畸变场合，便于数字化实现。分析了软锁相环应用于静止 同步补偿器时面临的若干问题，并提出了2 方面的改进方 案：一是针对超前/滞后环节参数选取困难的问题，将其滤 波功能转移到前置延时信号消除环节中；二是q 轴电压经 PI 调节的输出直接作为相位的误差信号，减少了前向积分 环节。通过仿真实验证明改进后的软锁相环在动态相位跟踪 及不平衡电压检测等方面的性能有显著改善。
hmm.zip
- 隐马尔可夫链模型和例程（包括前向、后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数运算程序）,Introduction to Hiden Markov Model and Example Codes
ApplicationsOfDepth-FirstTraversal
- 1. 用ＤＦＳ判断一个无向图是否是连通图； 2. 为有向图的边分类，将它们的边分为前向边、后向边和交叉边； 3. 用ＤＦＳ和点消除求有向图的拓扑排序； 4. 判断有向图是不是强连通图，若不是，求强连通分量； 5. 判断有向图是不是半连同图； 6. 判断有向图是不是单连通图； 7. 判断无向图是不是双连通图。 通过以上编程对ＤＦＳ的应用，进一步了解ＤＦＳ的算法及它所代表的算法思想。 -1. Using DFS to test if a given undirecte
data-dig
- 一些数据挖掘算法相关,包含定义网络拓扑,有关高血压研究方面的数据,朴素贝叶斯分类,关联规则基本概念,数据挖掘算法, 决策树方法在数据挖掘中的应用,训练贝叶斯信念网络,后向传播,贝叶斯信念网络,后向传播和可解释性,多层前馈神经网络-Some relevant data mining algorithms, including the definition of network topology, the high blood pressure research data, Naive Baye
hmm
- 用C语言实现HMM的前向、后向和viterbi搜索算法-use C language to implement the forward, back and viterbi algorithms
HMM_Forward_Backward
- 马尔可夫链的前向和后向算法，在隐马尔可夫模型中用于学习问题的-HMM-FORWARED-BACKWORD
umdhmm-v1.02
- umd-Hmm 一个用c写的hmm工具包，包含前向算法，维特比算法和前向后向算法-umd-Hmm hmm a written with c kit contains forward algorithm, Viterbi algorithm and forward and backward algorithm
hmm.c
- 用c实现hmm,给定观察值序列和HMM模型，利用前向后向算法求取其概率-Using c to achieve hmm, for a given sequence of observations and the HMM model, using forward and backward algorithm to compute the probability
Hidden-Markov-Model
- 实现了隐马尔可夫模型的前向算法、后向算法和viterbi算法。-Hidden Markov Model to achieve a forward algorithm, and after the viterbi algorithm to algorithm.
BP
- BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出
Beamform-ing-Algorithm
- 提出一种基于直接数据域最小二乘方法的自适应多波束形成算法,包括前向计算、后向计算和前- 后向计算。利用天线阵元输出复电压的单快拍数据构建矩阵方程,采用共轭梯度法求解得到阵列的自适应权值向 量,从而在所有期望信号方向形成接收波束,同时在各干扰方向形成深零陷,使信干噪比显著提高。由于只需对单 快拍数据进行处理,并且避免了样本协方差矩阵的构造及矩阵求逆运算,故计算复杂度较传统算法低。-An adap tive multip le beamforming algorithm based on
VsFBP
- 基于上述原子搜索原理，提出一个简单的想法，采用“大步长快速接近、小步长逐步逼近”的策略来重构信号，对FBP算法进行改进，即改变其前向步长和后向步长-Based on the above search atomic theory, put forward a simple idea, a "big long fast approaching, gradually approaching small step" strategy to reconstruct the signal, FBP algo
aqcciuvi
- 隐马尔可夫链模型和例程（包括前向、YolJZxb后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数ziyQrUe运算程序）-Hidden Markov chain model and routines (including forward, backward YolJZxb algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
avhutdqv
- 隐马尔可夫链模型和例程（包括前向、YiDYfFw后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数BOWvzEE运算程序）-Hidden Markov chain model and routines (including forward, backward YiDYfFw algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
bpgrnnhs
- 隐马尔可夫链模型和例程（包括前向、TFpuwXI后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数pSAIzgD运算程序）-Hidden Markov chain model and routines (including forward, backward TFpuwXI algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
bqaiwqfs
- 隐马尔可夫链模型和例程（包括前向、TSQRfrv后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数PgfZsut运算程序）-Hidden Markov chain model and routines (including forward, backward TSQRfrv algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th
byinhmwa
- 隐马尔可夫链模型和例程（包括前向、jASLLYg后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数saWeYvm运算程序）-Hidden Markov chain model and routines (including forward, backward jASLLYg algorithm, Viterbi decoding, and in order to reduce the probability of numerical computation error of th