搜索资源列表
Classifiers
- 空间向量模型VSM的c++实现代码,有利于进行文本分类预处理工作-The c++ vector space model VSM implementation code, help for text classification preprocessing
id3
- 基于空间向量模型的高性能、高效率ID3算法决策树分类-Vector space model based on high-performance, high-efficiency ID3 decision tree classification algorithm
imal_svm
- 在主空间训练支持向量几的程序相关的论文和方法可以在网上找到--training in the main support vector space of a few papers related to the procedures and methods can be found on the Internet
vector-array
- 用vector(向量)实现动态开辟二维三维数组,这里vector中元素的内存的地址分配也有同双指针实现的二维数组有同样的特点。不过用vector的方法比使用双指针简单地多,分配内存空间时会更安全,数组初始化代码也更简单,所以本人建议使用STL中的vector来实现变长多维数组。-Implemented with vector (vector) opened a two-dimensional dynamic three-dimensional array, the memory address
svddxiangduijuli
- 提出一种基于支持向量数据描述和核空间相对距离的预测算法。-Propose a prediction algorithm based on support vector data descr iption and kernel space relative distance.
sift-alghrithms
- SIFT算法大致有四个步骤: 1,尺度空间极值检测。在尺度空间通过高斯微分函数来检测潜在的对于尺度和旋转不变的兴趣点。 2,关键点定位。在兴趣点位置上,确定关键点的位置和尺度。3,方向确定。基于图像局部的梯度方向,给每个关键点分配方向。4,关键点描述。在每个关键点的领域内测量图像局部的梯度。最终用一个特征向量来表达。-SIFT algorithm roughly four steps: 1, the scale space extremum detection. In the sc
wavelet
- 基于小波的纹理特征,小波四层分解,特征向量含有均值、标准差、空间频率等,共13*4个特征。-Based on texture feature of wavelet, wavelet decomposition, four layers of characteristic vector containing the mean, standard deviation, such as spatial frequency, a total of 13* 4 characteristics.
sift-and-rgb2lab
- SIFT特征和RGB、Lab颜色空间,提取图像的SIFT特征,和RGB、Lab颜色空间向量-SIFT and RGB, Lab color space, image SIFT feature extraction, and RGB, Lab color space vector
A_subspace_algorithm
- 子空间算法是一种基于矩阵特征空间分解的方法,信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成噪声子空间则由协方差矩阵中所有最小特征值噪声方差对应的特征向量组成。子空间算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位-Subspace algorithms is minimized by the corresponding eigenvalues of all the noise variance-covariance matrix of a
dbf2
- 针对16阵元的均匀直线阵,使用MVDR算法和DREC两种方法分析方向图性能,DREC法进行特征值分解,大特征值对应的特征向量构成信号子空间。-For 16 array element uniform linear array, eigendecomposed MVDR algorithm using two methods and DREC pattern analysis performance, DREC method, large eigenvalues eigenvectors corr
vector
- c++实现的信息检索领域中的空间向量模型,只能实现本地txt的检索-vector space model
13
- 粒子群算法(PSO)是一种基于群体的随机优化技术。与其它基于群体的进化算法相比,它们均初始化为一组随机解,通过迭代搜寻最优解。不同的是:进化计算遵循适者生存原则,而PSO模拟社会。将每个可能产生的解表述为群中的一个微粒,每个微粒都具有自己的位置向量和速度向量,以及一个由目标函数决定的适应度。所有微粒在搜索空间中以一定速度飞行,通过追随当前搜索到的最优值来寻找全局最优值。 PSO模拟社会采用了以下三条简单规则对粒子个体进行操作:①飞离最近的个体,以避免碰撞。②飞向目标。③飞向群体的中心。这是
opencv
- 利用opencv实现图片色彩空间的分离显示:分别分离成RGB和HSV,然后提取特征向量实现图片比较-Display image color space using the opencv: RGB and HSV were separated, and then extract the feature vector is realized.
Plane_Line_Intersect
- 此程序用于求空间平面和空间直线的交点,需要知道平面的法向量-Space plane and Space straight line to get intersection
psoMATLAB
- 参数设置 w=0.9 权值 将影响PSO 的全局与局部搜优能力, 值较大,全局搜优能力强,局部搜优能力弱 反之,则局部搜优能力增强,而全局搜优能力减弱。 c1=0.1 加速度,影响收敛速度 c2=0.1 dim=6 6维,表示企业数量 swarmsize=100 粒子群规模,表示有100个解的空间 maxiter=200 最大循环次数,影响时间 minfit=0.001 最小适应值 vmax=0.01 vmin=-0.01 ub=[0.2,0.2,
Single-like-rear-space-rendezvous
- 我是采用java来编写这个程序的:java是我们目前正在学习的一门语言 ,采用这一语言正好可以加深我对它的理解。 程序的主体是采用一个do……while的循环。在这个循环中,我分别建立了两个数组,存储误差方程系数阵A和自由向量L。其余关于平差解算,我采用的是一个矩阵运算包,并调用其中的函数来实现。我的初始数据是直接嵌入在程序中,而结果数据则以一个TXT文档的形式输出。用来完成单像后方空间交会。 -I use java to write the program: Java is a lan
CHENGXU
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲,信号处理的观测空间可以分解为信号子空间和噪声子空间,显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成,噪声子空间则由协方差矩阵中所有最小特征值(噪声方差)对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱,所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率,同时适应于任意形状的天线阵列
sgu265
- sgu265:Wizards(计算几何) 题目大意: 一个空间直角坐标系内,对一个点有三种操作: 1.平移(x,y,z)⇒ (x+a,y+b,z+c); 2.缩放(x,y,z)⇒ (ax,by,cz); 3.绕一个向量(x,y,z)顺时针旋转α角(角度制)。 对空间内的m个点给出n个操作,求每个点在操作后的坐标。-265. Wizards time limit per test: 0.5 sec. memory lim
Optimization-algorithm-of-PSO
- 粒子群算法(PSO)是一种基于群体的随机优化技术。与其它基于群体的进化算法相比,它们均初始化为一组随机解,通过迭代搜寻最优解。不同的是:进化计算遵循适者生存原则,而PSO模拟社会。将每个可能产生的解表述为群中的一个微粒,每个微粒都具有自己的位置向量和速度向量,以及一个由目标函数决定的适应度。所有微粒在搜索空间中以一定速度飞行,通过追随当前搜索到的最优值来寻找全局最优值。 -Particle swarm optimization (PSO) is a kind of stochastic opti
pujulei
- 谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 , 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域, 最近才开始用于机器学习中,并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the spectrum b