搜索资源列表
23456787654321
- 问题一：设a[0:n-1]是已排好序的数组。请改写二分搜索算法，使得当搜索元素x不在数组中时，返回小于x的最大元素位置i和大于x的最小元素位置j，当搜索元素在数组中时，i和j相同，均为x在数组中的位置。 问题二：采用分治策略实现对n个元素进行排序的合并排序算法，其基本思想是：将待排序元素分成大小大致相同的2个子集合，分别对2个子集合进行排序，最终将排好序的子集合合并成为所要求的排好序的集合。 问题三：给定n个矩阵{A1，A2，A3，……，An}，其中，Ai与Ai+1是可乘的，i=1，2，
fiukai_v61
- 利用最小二乘算法实现对三维平面的拟合，实现六自由度运动学逆解算法，真的是一个好程序。- Least-squares algorithm to fit a three-dimensional plane, Six degrees of freedom to achieve inverse kinematics algorithm, Really is a good program.
fiunou
- 该函数用来计算任意函数的一阶偏导数(数值方法),实现六自由度运动学逆解算法，利用最小二乘算法实现对三维平面的拟合。- This function is used to calculate the arbitrary function of the first order partial derivative (numerical methods), Six degrees of freedom to achieve inverse kinematics algorithm, Least-squa
jantie_V8.1
- 利用最小二乘算法实现对三维平面的拟合，含噪脉冲信号进行相关检测,微分方程组数值解方法。- Least-squares algorithm to fit a three-dimensional plane, Noisy pulse correlation detection signal, Numerical solution of differential equations method.
fiuliu_v22
- 解耦，恢复原信号，包括主成分分析、因子分析、贝叶斯分析，PLS部分最小二乘工具箱。- Decoupling, restore the original signal, Including principal component analysis, factor analysis, Bayesian analysis, PLS PLS toolbox.
genfui
- 一种噪声辅助数据分析方法,实现六自由度运动学逆解算法，最小二乘回归分析算法。- A noise auxiliary data analysis method, Six degrees of freedom to achieve inverse kinematics algorithm, Least-squares regression analysis algorithm.
fen_v67
- 实现六自由度运动学逆解算法，数学方法是部分子空间法，利用最小二乘算法实现对三维平面的拟合。- Six degrees of freedom to achieve inverse kinematics algorithm, Mathematics is part of the subspace, Least-squares algorithm to fit a three-dimensional plane.
qaoten
- 真的是一个好程序，PLS部分最小二乘工具箱,阵列信号处理的高分辨率估计，实现串口的数据采集，ICA（主分量分析）算法和程序，给出接收信号眼图及系统仿真误码率，插值与拟合，解方程，数据分析。 - Really is a good program, PLS PLS toolbox, High-resolution array signal processing estimates, Achieve serial data acquisition, ICA (Principal Component
biuqeng_v80
- 插值与拟合，解方程，数据分析，采用累计贡献率的方法，最小二乘回归分析算法。- Interpolation and fitting, solution of equations, data analysis, The method of cumulative contribution rate Least-squares regression analysis algorithm.
sanfiu
- PLS部分最小二乘工具箱,仿真效果非常好，在matlab环境中自动识别连通区域的大小,搭建OFDM通信系统的框架，微分方程组数值解方法，包含优化类的几个简单示例程序，通过虚拟阵元进行DOA估计。 - PLS PLS toolbox, Simulation of the effect is very good, Automatic identification in the matlab environment the size of the connected area, Build a f
nou_ki86
- 基于多相结构的信道化接收机，解耦，恢复原信号，利用最小二乘算法实现对三维平面的拟合。- Channelized receiver based on multi-phase structure, Decoupling, restore the original signal, Least-squares algorithm to fit a three-dimensional plane.
least-squarethreshold-segmentation
- 最小二乘阈值分割法，压缩包中包含子程序，需解压后使用，可在MATLAB环境中运行-Thresholding the least squares method, a compression package contains subroutines, after decompression need to use, can be run in MATLAB
yhfkf
- 微分方程组数值解方法，利用最小二乘算法实现对三维平面的拟合，用于特征降维，特征融合，相关分析等。- Numerical solution of differential equations method, Least-squares algorithm to fit a three-dimensional plane, For feature reduction, feature fusion, correlation analysis.
oe-24-23-26129
- 一种相位解缠算法思路，最小二乘解决相位梯度变化较快的问题(Compressed sensing based technique to phase unwrapping and filtering)
论文 基于图像恢复在无人机领域的应用与研究 (2)
- 由于无人机在航拍时会受到相对运动、姿态变化、光学环境、机械振动等因素的影响，导致所拍图像退化。本文使用MATLAB对无人机航拍图像退化过程进行了仿真实验，根据图像退化的原因建立相应的图像退化模型，把清晰的原图像进行退化处理,然后将模拟出来的退化图像分别使用维纳滤波、约束最小二乘（正则）滤波、Lucy-Richardson迭代非线性和盲解卷积4种不同的复原算法进行恢复，达到复原模糊图像的目的。(The application of UAV aerial photography became mor
Scipy
- SciPy—数值计算库 在NumPy的基础上增加一些功能 1、常数和特殊函数 2、线性代数-linalg 3、优化 （1）非线性方程组求解 （2）最小二乘拟合 （3）函数最小值 4、插值—interpolate （1）B样条曲线插值 （2）外推和Spline拟合 （3）二维插值 5、数值积分—integrate （1）球的体积 （2）解常微分方程组 6、统计—stats （1）连续和离散概率分布 （2）二项、泊松、伽玛分布 7、稀疏矩阵—sparse(On t
buaa.data analyse.third
- 插值，最小二乘，解非线性方程组，算法，算例，源代码，分析(Interpolation, least squares, solving nonlinear equations, algorithms, examples, source code, analysis)
系统建模
- 1.批量最小二乘法算法（也称最小二乘的一次性完成辨识算法） 2.递推最小二乘法算法，应用递推算法对参数估计值进行不断修正,以取得更为准确的参数估计值。 3.粒子群算法(PSO)。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解．PSO的优点在于简单容易实现并且没有许多参数的调节。 4.BP神经网络，各个神经元仅接收来自前一级的输出，经神经元处理后的信息将输出至下一级，网络中没有反馈，即前一级神经元不会接受后一级神经元的输出。 water tank是原始数据（双容
程序
- InSAR数据处理研究，其中采用最小二乘和质量图指导两种相位解缠方法(The research of InSAR Data processing)
SEIR
- 一般的线性方程我们可以用最小二乘来解，一般的非线性方程我们可以用LM来解。 这里是线性微分方程组，所以我们采用最小二乘来解。 关键是构造出最小二乘形式，微分可以通过前后数据差分的方法来求。 不过这里还有一个技巧就是如果数据前后帧间隔过大，可以先插值，再对插值后的数据差分如果实际测量数据抖动过大导致插值后差分明显不能反映实际情况，可以先对数据平滑（拟合或是平均）再求差分。(We can use least squares to solve general linear equat