搜索资源列表
Generator
- pseudo-random sequence of numbers given by the following formula: Ui +1 = (M * Ui) mod p, Ri = Ui / p, where M, Ri and p are integers, 0 <Ri <1 and 1 <Ui <p-1. Investigate the influence of the values of R0 on the qu
k_means
- 实现K-means算法，高斯随机分布抽取数据 利用k-means算法实现分类-Implement K-means algorithm to extract the data using Gaussian random distribution of k-means classification algorithm
FitDataToALogisticFunction
- 在这项工作中所使用的方法是基于一个由大卫阿诺德教程。 http://online.redwoods.cc.ca.us/instruct/darnold/diffeq/logistic/logistic.pdf 这将运行该Logistic.m带来了图形用户界面。 1。放弃在列的格式文本文件中的x值 2。放弃在山口格式文本文件中的y值 3。的阴谋初始 按钮将绘制的分布 4。 查找适合 按钮，会找到最适合 5。 重置 将删除的情节（虽然我想打扫所有的领域
HeatTransport
- 数值方法计算传热问题实例 边长为200×200mm的二维矩形材料内的稳态温度分布。上侧和左侧维持恒壁温；下侧为绝热；右侧为对流换热条件。具体参数为： 材料的导热系数=20w/m• k； 上侧温度t1=100℃ 右侧流体温度tf=20℃ 表面传热系数 h分别为1w/m2• k和100 w/m2• k 左侧温度t2=20℃ 下侧绝热-Numerical method to calculate the heat transfer problem
module-1
- ector quantization is a classical quantization technique from signal processing which allows the modeling of probability density functions by the distribution of prototype vectors. It was originally used for data compression. It works by dividing a l
AWGN-PDFaCDF
- 加性高斯白噪声信道的仿真。利用BOX-MULLER算法产生信道，画出PDF曲线。采用基于CDF的K-S TEST来检测所产生的高斯信道是否符合理论分布。-Additive white Gaussian noise channel emulation. BOX-MULLER algorithm to generate the channel, to draw PDF curve. Based on the CDF of KS the TEST to detect the generated Gau
Rayleigh-PDFaCDF
- 瑞利信道的仿真。画出PDF曲线。采用基于CDF的K-S TEST来检测所产生的瑞利信道是否符合理论分布。-Rayleigh channel simulation. Draw the PDF curve. CDF KS the TEST detection of Rayleigh channel is in line with the theoretical distribution.
RSdistribution
- 这个程序是产生喷泉码编码前的鲁棒RS度分布，并且画出了图形可以看到度为k的点可以产生多少个-RS distribution of digital fountain code LT
exp7
- LBG分类算法 用初始室心随机法和扰动因子分裂法两种方法，比较不同方法不同参数设置时的分类性能。 -LBG classification algorithm vector quantization: vector normalization within a certain range for a particular type, consists of two steps: first generate a codebook, which is the speech feature v
local-statistics-toolbox
- FUNCTIONS : STATISTICS - MODA Mode of a distribution - ARGMAX calculates position of the maximum value of matrix V - ARGMIN calculates position of the minimum value of matrix V - DRAW_HIST estimates and draws histogram of data
EM-
- EM检测 初级实例 多高斯混合 First, one of the k Normal distributions is selected at random. Second, a single random instance xi is generated according to this selected distribution. -EM algorithm (Dempster et al.1977)，a widely used approach to learning in the pr
RLS
- 仿真对象如下： 其中， v( k )为服从N (0,1) 分布的白噪声。输入信号u ( k) 采用M 序列，幅度为 1。M 序列由 9 级移位寄存器产生，x(i)=x(i-4)⊕x(i-9)。 选择如下辨识模型： 加权阵取Λ = I。 衰减因子β = 0.98，数据长度 L = 402。 辨识结果与理论值比较，基本相同。辨识结果可信 -he simulation object is as follows: among them, v (k) to obe
main
- 釆用一个二阶系统的模型代替真实系统，其差分方程表达式为： 将此系统在计算机上仿真，输入信号u(k) 是幅值为1 的PRBS 信号，噪声e(k) 是（0，1）的正态分布序列，它的方差是可以调整的。这个系统的输出釆样值z (k) 与u (k) 作为已知数据，采用最小二乘法估计这个系统的参数。 -Preclude the use of a second-order system model instead of the real system, the differential equ
Clutter_ModelingZMNL
- 通过ZMNL方法，完成了对瑞丽杂波，威布尔杂波，对数正态分布杂波以及K杂波的建模仿真，并对功率谱以及杂波幅度概率分布进行分析仿真-By ZMNL method, completed the Ruili clutter, Weibull clutter, lognormal and K clutter clutter modeling and simulation, and the power spectrum and amplitude probability distribution clut
gaosi
- 使用k均值的算法实现混合高斯模型参数的初始化并将多余高斯分布去（彩色图像）-The k-means algorithm using Gaussian mixture model parameter initialization and go the extra Gaussian distribution (color image)
kmeans1
- K-means算法，算法步骤如下： Step1.利用式(2)计算距离矩阵D=()，其中=dist[i, j] ()； Step2.扫描坐标距离矩阵D，寻找距离的最大值和最小值，用式(3)计算limit； Step3.扫描坐标距离矩阵D，寻找矩阵中距离最小的2个数据a，b，将数据a，b加入集合，={a,b}，同时将数据a，b从U中删除，更新距离矩阵D； Step4.利用 (4)式在U中寻找距离集合最近的数据样本t，如果小于limit，则将t加入集合，同时将t从集合U中删除，更新
kdtree
- k-d树的matlab程序，包含了KDTREE, KDTREEIDX and KDRANGEQUERY functions。提供了两个Demo scr ipts(kdtree_demo.m & kdrange_demo.m),很实用- This distribution contains the KDTREE, KDTREEIDX and KDRANGEQUERY functions. Included are the source code files in kdtree/s
program
- 动态K-S检验边缘分布的copula 分布估计算法- Marginal distribution in copula estimation of distribution algorithm based dynamic K-S test
program-two
- 静态K-S检验下的copula 分布估计算法边缘分布的研究- Marginal distribution in copula estimation of distribution algorithm based static K-S test
kmeans_report
- 数据挖掘kmeans图像聚类实验,用 VC 或 Java 实现 k-means 聚类算法， 分别以迭代次数及分配不再发生变化为算法终止条件，用图片（自己选择）作为数据集，比较运行时间（画出时间与像素点的关系曲线图，因此须用多幅像素个数不同的图片进行实验） 提交实验报告与源代码-Data mining kmeans image clustering experiments, using VC or Java implementation of k-means clustering algorith