CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 源码下载 搜索资源 - 嵌入维数

搜索资源列表

  1. swarmmathwork

    0下载:
  2. 粒子群搜索的matlab程序,对于一个隐函数寻优,四维隐含数嵌入在子函数中,可根据需要更改,-PSO Matlab search procedures, an implicit function optimization, 4D implied several embedded in the Functions, may need to change.
  3. 所属分类:matlab例程

    • 发布日期:2008-10-13
    • 文件大小:1657
    • 提供者:qianyong
  1. minic_interpreter

    0下载:
  2. 一款比较完善的强大的C语言解释器,附带源码,可以嵌入到用户应用程序中。支持对比较复杂的C代码的解释执行。完美支持各种标准C语言语法,如if-else结构语句, ?:结构求值语句,for循环,while循环,do...while循环等 支持各种数据类型包括: char,short,int,string,float 支持多维数组及指针 支持自定义函数以及系统函数 支持局部变量以及全局变量,允许在变量定义时直接初始化 支持局部变量层次化作用域;允许定义系统常量;支持系统内部定义数据类型,但不支持用户在
  3. 所属分类:Compiler program

    • 发布日期:2017-10-31
    • 文件大小:118984
    • 提供者:CM
  1. G_P

    0下载:
  2. 对于混沌时间序列的预测,重构相空间可用此方法计算嵌入的维数。-it is for the chaotic time series to reconstruct the image space about how to get the dimention number.
  3. 所属分类:Other systems

    • 发布日期:2017-04-11
    • 文件大小:1516
    • 提供者:王宁
  1. correlation_interal

    1下载:
  2. 计算混沌序列的关联积分,进而可以估测混沌序列的关联维数,为MATLAB嵌入C程序-Calculate the correlation integral chaotic sequence, in turn, can estimate the correlation dimension chaotic sequence for MATLAB embedded C program
  3. 所属分类:Speech/Voice recognition/combine

    • 发布日期:2017-04-02
    • 文件大小:1325
    • 提供者:田亮亮
  1. lle

    0下载:
  2. LLE(Locally Linear Embedding)算法,即局部线性嵌入算法。该算法是针对非线性信号特征矢量维数的优化方法,这种维数优化并不是仅仅在数量上简单的约简,而是在保持原始数据性质不变的情况下,将高维空间的信号映射到低维空间上,即特征值的二次提取-LLE (Locally Linear Embedding) algorithm, local linear embedding algorithm. The algorithm is a method for optimizing no
  3. 所属分类:matlab

    • 发布日期:2017-04-13
    • 文件大小:1612
    • 提供者:lyt
  1. Isomap

    0下载:
  2. Isomap是一种非线性降维方法。又是一种广泛使用的低维嵌入的方法。[ 1 ] Isomap用于计算准等距,低维嵌入的一组高维数据点。该算法提供了一个简单的方法,用于估计基于一个粗略的估计,每个数据点的邻居流形上的数据流形的内在几何。Isomap是高效和一般适用于范围广泛的数据源和维度。-Isomap is a Nonlinear dimensionality reduction method. And is also one of several widely used low-dimensi
  3. 所属分类:matlab

    • 发布日期:2017-05-26
    • 文件大小:8953749
    • 提供者:liujun
  1. LEM-Algorithm

    1下载:
  2. LEM(拉普拉斯特征映射)算法,拉普拉斯特征映射是基于局部邻域,保持局部结构的流形学习方法。LEM通过一个无向加权图刻画流形上数据点间的近邻关系,图的顶点为原始数据点,图的边对应点之间的近邻关系,边的权值对应近邻点之间的相似程度(也可以是某种距离),LEM在低维嵌入空间中尽量保持图中数据点之间的近邻关系,然后求取嵌入坐标。通俗的说,LEM认为在高维数据空间离得近的点在低维嵌入空间也应该离得近-LEM (Laplace feature mapping) algorithm, Laplace fea
  3. 所属分类:Special Effects

    • 发布日期:2017-04-30
    • 文件大小:481915
    • 提供者:ccc
« 1 2 3 4 5 6»
搜珍网 www.dssz.com