搜索资源列表
matlab作业
- 模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, supp
图的m着色问题
- 给定无向量图G顶点和m种不同的颜色。用这些颜色为图G的各顶点着色，每个顶点着一种颜色。是否有一种着色法使G图中每条边的两个顶点着不同的颜色。这个问题是图的m可着色判定问题给定无向量图G顶点和m种不同的颜色。用这些颜色为图G的各顶点着色，每个顶点着一种颜色。是否有一种着色法使G图中每条边的两个顶点着不同的颜色。这个问题是图的m可着色判定问题-given no vector graph G vertices and m different colors. Using these color grap
chengmifa
- 规范的乘幂法求主特征值及特征向量-程序-207.142.131.235 standardized method for the main eigenvalues and eigenvectors-procedure!
VC_ImageProcessing
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容：第4章 图像增强（对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强）；第5章 图像复原（逆滤波复原、维纳滤波方法）；第6章 图像处理中的正交变换（傅立叶变换、离散余弦变换（DCT）、沃尔什变换、基于特征向量的变换、霍特林（Hotelling）变换、SVD变换、小波变换、Mallat算法）；第7章 图像压缩编码（霍夫曼（Huffman）编码、算术编码、游程编码（Run Length Codin
PROGRAMSEIDEL
- 一、 Seidel迭代法 算法8.2： 1． 输入矩阵A，右端项b ，初始迭代向量 X(0) ，维数n，容许误差ε ，最大容许迭代次数 N。 2． 置k=1. 3． 计算 X1=(b1-Σa1jxj(0))/a11 j=2,3,…….,n Xi=(bi-Σaijxj-Σaijxj(0))/aii, i=2,3,……,n-1 Xn=(bn-Σanjxj)/ann j=1,2,…….,n-1 4．若||X-X(0)|| <ε，输出X , 停机；否则，转步骤5。
PROGRAMMIFA
- 幂法求矩阵的特征值和特征向量 算法9.1 1． 输入矩阵A，初始向量X，误差限ε最大迭代次数N。 2． 置k=1，u=0。 3． 求xr=>λ，|xr|=max|xr|,i=1,….,n。 4． 计算 Y=X/λ，X=AY 5． 若|λ-u|〈ε，输出λ，X，停机；否则，转步骤6。 6. 若k<N，k+1=>k，λ=>u,转步骤3；否则，输出错误信息，停机
lyap_small_data_sets
- 小数据量法 求指数. 计算数组最大值.求最短距离及向量-small data Method index. Calculation array maximum. For the shortest distance vector
matlab-code
- matlab解线性方程组的源代码 function x=nagauss2(a,b,flag) ％ 用途：选列主元Gauss消去法解线性方程组ax=b ％ 格式：x=nagauss2(a,b,flag) a为系数矩阵，b为右端列向量，flag若为0，则显示中间过程 -Matlab solution of linear equations source code function nagauss2 x = (a , b, flag)% purposes : a selection P
qiujie
- 【问题描述】已知线性方程组AX=B，求解该方程组。参考算法： 消去法：将列向量B加到矩阵A的最后一列，构成增广矩阵AB。对AB进行下列三种初等变换，使原矩阵A的部分的主对角线上的元素均为1，其余元素均为0，则原列向量B的部分即为X的值： 1. 将矩阵的一行乘以一个不为0的数 2. 将矩阵的一行加上另一行的倍数 3. 交换矩阵中两行的位置 - [ Question descr iption ] known system of linear equations AX=B, s
hertt
- 矩阵的最大特征值的幂法. 对于工程计算而言，矩阵的特征值和特征向量都是相当重要和常见的数据，这里给出的幂法是一种常见的求解方法，用的是迭代的思想。 符号说明: 1A为待求的矩阵， 2Uk，Vk为迭代用的列向量。 3最后的最大特征值maxLamda由最后一次的max(Uk)-----求Uk中的绝对值最大的元素的绝对值.所决定。 而maxLamda所对应的特征向量由最后一次迭代的Vk所决定. 主要的想法就是先选一个不为0的初始向量U0!=0，然后按下面的式
rk4
- function [tout, yout] = rk4(ypfun, tspan, y0, h) ％定步长四阶Runge-Kutta法求常微分方程(组)数值解 ％[tout,yout] = rk4( ypfun , tspan, y0,h) ％ 这里字符串ypfun是用以表示f(t, y)的M文件名, ％ tspan=[t0, tfinal]表示自变量初值t0和终值tf ％ y0表示初值向量y0，h是步长。 ％ 输出列向量tout表示节点 (t0 , t1 , … ,
lagrange-C
- * 用拉格朗日插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插值点第一坐标 * 输出: 函数返回值所求插值点的第二坐标 -* Use Lagrange interpolation method based on N-known data points even function * Input : n -- known data poi
Hermite-C
- * 用埃特金插值法依据N个已知数据点计算函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插值点第一坐标 * eps--求解精度 * 输出: 函数返回值所求插值点的第二坐标 -* Use Aitken interpolation method based on N-known data points calculation function * Input :
Newton-C
- * 用牛顿插值法依据N个已知数据点即使函数值 * 输入: n--已知数据点的个数N-1 * x--已知数据点第一坐标的N维列向量 * y--已知数据点第二坐标的N维列向量 * xx-插值点第一坐标 * 输出: 函数返回值所求插值点的第二坐标 -Newton interpolation method based on N-known data points even function * Input : n -- known data points the nu
132131312312
- ％ 用途：选列主元Gauss消去法解线性方程组ax=b ％ 格式：x=nagauss2(a,b,flag) a为系数矩阵，b为右端列向量，flag若为0，则显示中间过程 ％ 否则不显示，默认值为0，x为解向量
mifaandfanmifa
- 计算特征值和特征向量的幂法和反幂法以及计算矩阵的minres 算法的matlab程序-calculated eigenvalues and eigenvectors of power and anti-power-law and calculate the matrix algorithm mat minres lab procedures
tzzjs
- 通过毫司何尔德变换法对矩阵特征值和特征向量的计算与数值模拟。-through cents Secretary Dr Eid transform the eigenvalues and eigenvectors of calculation and simulation.
光流向量的彩色表示算法设计与matlab实现
- 光流算法采用的是HS光流法，得到每个像素点的光流值，将它表示成HSI色彩空间的任一截面，再根据HSI色彩空间与RGB色彩空间的对应关系将光流场用颜色表示出来。
三维点云分割
- 通过java实现对三维点云进行分割，包括三种方法：基于法向量的、基于区域的、基于聚类的
PST部分传输序列法
- PTS的基本思想是：将输入的OFDM符号X，分割成V个互不重叠的独立的子序列Xv，每个子块向量大小相等且子块中没有继承原符号相应位置的取值为0。经过N点快速傅里叶逆变换后获得时域信号xv，再与相位旋转因子系数bv相乘，最后将每个子块的结果求和。然后将使PAPR最小的旋转因子的最佳组合作为边带信息传送给接收机以恢复信号。 在PTS方法中，可以通过改变子序列的分割方式降低系统计算复杂度和改善系统性能。有三种常用的分割方法：相邻分割、伪随机分割和交织分割。(The basic idea