搜索资源列表
sanyai_v75
- 主要为数据分析和统计,pwm整流器的建模仿真,具有丰富的参数选项。- Mainly for data analysis and statistics, Modeling and simulation pwm rectifier It has a wealth of parameter options.
LBP
- 一幅图像的纹理是在图像计算中经过量化的图像特征。图像纹理描述图像或其中小块区域的空间颜色分布和光强分布。纹理特征的提取分为基于结构的方法和基于统计数据的方法。一个基于结构的纹理特征提取方法是将所要检测的纹理进行建模,在图像中搜索重复的模式,该方法对人工合成的纹理识别效果较好。但对于其他图像中的纹理识别,基于统计数据的方法效果更好。-A texture image is the image in the calculation of the quantized image features. Sp
ARMA-Java--master
- ARIMA模型是通过将预测对象随时间推移而形成的数据序列当成一个随机序列,进而用一定的数学模型来近似表述该序列。根据原序列是否平稳以及回归中所包含部分的不同分为AR、MA、ARMA以及ARIMA过程。 在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别;而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列(ARIMA);对得到的平稳序列进行建模以确定最佳模型(AR、MA、ARMA或者ARIMA)。在使用中最重要也是最关键的就是对序列进行参数估计,以检验其
radar systems design -1
- 雷达系统建模与仿真的matlab程序,多种随机分布,产生swerling杂波,进行快速傅立叶变换,脉压,进行MTI,以及横虚警,RCS模拟分析,RCS统计模型 SAR雷达信号处理仿真(Modeling and Simulation of radar system matlab program, a variety of random distribution, Swerling clutter, fast Fu Liye transform, pulse pressure, MTI, and t
0876cf28-2900-4b43-b045-5d31446ed586
- 关于学习混合高斯背景建模,其是基于像素样本统计信息的背景表示方法,利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景。(Study on the mixed Gauss background modeling, the representation method of pixel sample statistics based on the background, the probability density statistics such as
随机森林
- 作为新兴起的、高度灵活的一种机器学习算法,随机森林(Random Forest,简称RF)拥有广泛的应用前景,从市场营销到医疗保健保险,既可以用来做市场营销模拟的建模,统计客户来源,保留和流失,也可用来预测疾病的风险和病患者的易感性。(As a new, highly flexible a machine learning algorithm, random forest (Random Forest, referred to as RF) has broad application prosp
完整的OFDM仿真程序,包括QPSK,16QAM调制
- 这是一个完整的OFDM系统建模,包括主程序OFDM 调制模块,解调模块,调制解调模块中包括BPSK,QPSK,16QAM,64QAM, 主程序包括循环前缀添加,加窗处理,频谱图、PAPR计算,误码率统计等功能。(This is a complete OFDM system modeling, including main program OFDM modulation module, a demodulation module, modulation and demodulation modul
C数值算法集
- 本书编写了300多个实用而有效的数值算法C语言程序。其内容包括:线性方程组的求解,逆矩阵和行列式计算,多项式和有理函数的内插与外推,函数的积分和估值,特殊函数的数值计算,随机数的产生,非线性方程求解,傅里叶变换和FFT,谱分析和小波变换,统计描述和数据建模,常微分方程和偏微分方程求解,线性预测和线性预测编码,数字滤波,格雷码和算术码等。(This book has written more than 300 practical and effective numerical algorithm
第6章 Copula理论及应用实例
- Copula一词原意为连接,它把多个随机变量的边缘分布连接在一起形成联合分布。变量间的相关结构完全由Copula决定,而各变量的统计特征由其边缘分布确定。与我们描述变量问相关关系常用的相关性相比,Copula描述的多元随机变量间的相关结构可以提供更准确的信息,目前Copula已经成为流行的多变量建模工具。(Copula is originally meant to connect the edge distributions of multiple random variables togeth
TianCheng-master_chusai_qingyu
- 2018年甜橙金融杯大数据建模大赛初赛方案:通过追踪时间、设备、ip和经纬度等属性的变化来建模判断UID是否为黑产链 ## 代码说明: - gen_stat_feat.py 统计特征 - gen_w2v_feat.py word2vec特征 - lgb_train.py lgb训练模型 两份特征建模加权8:2比例融合即可0.792+,单独统计特征加UID列建模即可0.795。(The preliminary scheme of the 2018 Sweet
ARIMA风速预测
- 用于风电场区域的风速多步预测问题。模型基于ARIMA,通过数据预处理、进行建模,并使用我国山东省两个风电场的历史风速数据进行测试和分析。结果表明,模型的统计误差小。(Multi-step wind speed prediction in wind farm area. The model is based on ARIMA, through data preprocessing, modeling, and using historical wind speed data of two wind
核主元分析(Kernel principal component analysis ,KPCA)在降维、特征提取以及故障检测中的应用
- 主要功能有: (1)训练数据和测试数据的非线性主元提取(降维、特征提取) (2)SPE和T2统计量及其控制限的计算 (3)故障检测 KPCA的建模过程(故障检测): (1)获取训练数据(工业过程数据需要进行标准化处理) (2)计算核矩阵 (3)核矩阵中心化 (4)特征值分解 (5)特征向量的标准化处理 (6)主元个数的选取 (7)计算非线性主成分(即降维结果或者特征提取结果) (8)SPE和T2统计量的控制限计算
视觉检测跟踪
- 基于视觉的目标检测与跟踪是图像处理、计算机视觉、模式识别等众多学科的交叉研究课题, 在视频监控、虚拟现 实、人机交互、自主导航等领域, 具有重要的理论研究意义和实际应用价值. 本文对目标检测与跟踪的发展历史、研究现状以 及典型方法给出了较为全面的梳理和总结. 首先, 根据所处理的数据对象的不同, 将目标检测分为基于背景建模和基于前景建 模的方法, 并分别对背景建模与特征表达方法进行了归纳总结. 其次, 根据跟踪过程有无目标检测的参与, 将跟踪方法分为生 成式与判别式, 对基于统计的表观建