搜索资源列表
lpc2lsp
- ADI BF535 DSP 音频的线性预测算法汇编优化源码-ADI BF535 DSP audio compilation linear prediction algorithm optimization FOSS
waveletTSSF
- 将提升小波用于目标跟踪。 小波提升的核心就是更新算法和预测算法,通过预测算法可以得到高频信息,而通过更新算子可以得到正确的低频信息.提升样式可以实现原位计算和整数提升,并且变换的中间结果是交织排列的.其中原位计算和整数提升在硬件实现中很有价值.-will enhance wavelet for target tracking. Lifting the core algorithm and is updated prediction algorithm, algorithm can be pr
ccc
- AVS帧内预测算法及其解码器的硬件实现 文章介绍了AVS帧内预测解码模块的硬件实现，概述了AVS视频编解码标准的帧内预测技术，重点讨论了 AVS帧内预测各模式的算法．并将AVS的帧内预测技术与H、264的帧内预测技术进行了性能比较，分析了AVS帧内预 测的算法复杂度．在此基础上设计了AVS帧内预测解码模块的硬件实现，并提出了一种可重构的帧内预测计算单元的 实现方法。
AVS.RAR
- 文章比较了H．264和AVS两个标准在运动补偿中运动矢量预测算法的差别， 提出了一种实现H．264 中 主档次(main pmille)下的第4级别(1evel 4)和AVS中的基准档次面向高清应用时运动矢量预测复用的硬件结构。 提出了一种新颖的缓存管理更新机制．极限情况下用于运动矢量的片上缓存大小减少了75％ 。用FPGA验证结果 表明资源占用情况是单独实现AVS的2．3倍，是单独同时实现两个标准的70％。能实现对1080i 30Hz高清图像实 时解码。
avi2mpg1_src
- VC++基础上的MPEG1运动估计及补偿预测算法实现，这里面既包括了P图像的预测算法又包含了B图像的双向预测算法
Linear_Prediction
- 自适应滤波中线性预测算法Visual C++ 6.0代码
Kalman
- matlab的卡尔曼滤波预测算法例子，希望对大家有帮助
AOLMM
- 混沌多步预测算法 可实现较为精确的多步预测 实用性较强
darc
- 一种基于谱内的高光谱图像预测算法，适合于压缩参考波段
work
- 这主要是线性预测算法的一些程序，包括最小方差算法！前向预测！后向预测！
LMS
- 自适应信号处理方面的LMS自适应线性预测算法
RLS
- 自适应信号处理方面的RLS自适应线性预测算法程序
os-banker
- 操作系统中银行家算法的演示程序，银行家算法是避免死锁的方法，避免死锁的法则是，系统在运行过程中，对于进程的每一种资源请求都要根据预掌握的资源使用信息，按照一定的算法，进行是否可能导致死锁的预测，以决定是否同意这一资源请求。这是向前看几步，知道保证不会导致死锁时再向前走一步的具有动态性质的预测算法。-operating system bankers algorithm Demonstration Program, bankers algorithm is a method to avoid dea
music算法的信号预测与估计
- ar（2）随机过程序列的music算法预测。
混沌时间序列预测
- 1、该工具箱包括了混沌时间序列分析与预测的常用方法,有: (1)产生混沌时间序列(chaotic time series) Logistic映射 - \ChaosAttractors\Main_Logistic.m Henon映射 - \ChaosAttractors\Main_Henon.m Lorenz吸引子 - \ChaosAttractors\Main_Lorenz.m Duffing吸引子 - \ChaosAttractors\Main_Duffing.m Duffin
svm(工具箱)
- 支持向量基的工具箱，里面包括了SVM的训练，预测，画图等很多功能
广义预测控制
- 广义预测控制(GPC)是一种鲁棒性强、能够有效地克服系统滞后、可应用于开环不稳定非最小相位系统的先进控制算法，但由于它需要Diophantine方程计算、矩阵求逆和最小二乘的递推求解，因此计算量很大，本文针对此缺陷提出四种不基于对象模型且实时性高的广义预测控制快速算法
cpknn 一致性预测器cp算法
- 一致性预测器cp算法
基于BP神经网络的厦门楼盘走势预测
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
基于T-S模型的自适应模糊广义预测控制
- ： 对一类非线性 系统 ， 利用一种基 于模 糊规 则的快速模糊辨识 方法建立起 系统的 T— S模型 ， 并基 于该模 型应用局部 递推 最小二乘方法根据采样 值对模型参数进 行在线修 正， 根据 系统动 态线性化模 型采取 广义预 测控制 策略 ， 从 而实现 了基 于 T— S模糊模型的非线性 系统 自适 应模糊预测 控制 。与 以往 的模糊 广义 预测控制 算法相 比 ， 此方法 简单 ， 而且较 大地 减少计 算量 ， 适合 于在 线控制。通过仿 真研究验证 所提 方法的 有 效性 。