搜索资源列表
1
- 在一般的数据结构的书中，树的那章后面，著者一般都会介绍一下哈夫曼(HUFFMAN)树和哈夫曼编码。哈夫曼编码是哈夫曼树的一个应用。哈夫曼编码应用广泛，如JPEG中就应用了哈夫曼编码。 首先介绍什么是哈夫曼树。哈夫曼树又称最优二叉树，是一种带权路径长度最短的二叉树。所谓树的带权路径长度，就是树中所有的叶结点的权值乘上其到根结点的路径长度（若根结点为0层，叶结点到根结点的路径长度为叶结点的层数）。树的带权路径长度记为WPL=(W1*L1+W2*L2+W3*L3+...+Wn*Ln)，N
23456787654321
- 问题一：设a[0:n-1]是已排好序的数组。请改写二分搜索算法，使得当搜索元素x不在数组中时，返回小于x的最大元素位置i和大于x的最小元素位置j，当搜索元素在数组中时，i和j相同，均为x在数组中的位置。 问题二：采用分治策略实现对n个元素进行排序的合并排序算法，其基本思想是：将待排序元素分成大小大致相同的2个子集合，分别对2个子集合进行排序，最终将排好序的子集合合并成为所要求的排好序的集合。 问题三：给定n个矩阵{A1，A2，A3，……，An}，其中，Ai与Ai+1是可乘的，i=1，2，
Digital-Image-Processing
- 有源码，适合学习C++的人 一、 读入一幅灰度图象，编写程序显示图象中任一象素点的灰度值。 二、 编程实现RGB彩色空间到HSV彩色空间的转换，并通过调整H、S、V的值实现图像亮度、色度和色饱和度的调节。 三、 1.灰度线性变换、分段线性变换 2.灰度直方图均衡、规格化 3.图象卷积：各种模板实现低通、高通滤波 4.图象中值滤波、最大值滤波、最小值滤波、模板选择滤波 5.伪彩色图象增强 四、 1.图象的加、减、乘、除和逻辑运算。 2.图象的镜像变换、图象的缩放
2017
- 神经网络，最小偏二乘回归，改变原始数据即可使用(Neural network,etc. Could be applied for other cases if altering the original data)
论文 基于图像恢复在无人机领域的应用与研究 (2)
- 由于无人机在航拍时会受到相对运动、姿态变化、光学环境、机械振动等因素的影响，导致所拍图像退化。本文使用MATLAB对无人机航拍图像退化过程进行了仿真实验，根据图像退化的原因建立相应的图像退化模型，把清晰的原图像进行退化处理,然后将模拟出来的退化图像分别使用维纳滤波、约束最小二乘（正则）滤波、Lucy-Richardson迭代非线性和盲解卷积4种不同的复原算法进行恢复，达到复原模糊图像的目的。(The application of UAV aerial photography became mor
crossval
- matlab偏最小二乘算法中交叉有效性准则的调用函数(Calling function of cross validity criterion in partial least squares algorithm)
PLS_Toolbo
- pls_toolbox工具箱可以解决统计领域多个问题的matlab求解问题，比如偏最小二乘问题、多向主元问题、主元分析等等，集成的工具箱方便，而且不需要验证码！(The pls_toolbox toolbox can solve the MATLAB problem of multiple problems in the field of statistics, such as partial least squares, multidirectional principal element,
itoolbox
- 协同区间偏最小二乘 siPLS算法是 N rgaard等对其提出 的 iPLS方法的改进, 其基本算法步骤如下:(1)对原始谱图进行 预处理;(2)在全谱范围内建立全局偏最小二乘模型, 即上节的 模型;(3)在整个光谱区间采用 iPLS建立多个等窗口宽度的子 区间, 假设为 n个;(4)在每个子区间上建立偏最小二乘法模型, 即可得到 n个局部模型;(5)以交叉验证时的均方根误差 RMSE 值为各模型的精度衡量标准, 比较全光谱模型和各局部模型的 精度;(6)组合精度最高的局部子区间
PLSUVE
- 基于偏最小二乘回归的matlab中无信息变量消除算法的特征选择(Feature Selection of No Information Variable Elimination Algorithm in Matlab Based on Partial Least Squares Regression)
buaa.data analyse.third
- 插值，最小二乘，解非线性方程组，算法，算例，源代码，分析(Interpolation, least squares, solving nonlinear equations, algorithms, examples, source code, analysis)
SSRLS
- 状态空间递归最小二乘（SSRLS）是确定性信号的线性估计的最优。 然而，SSRLS的性能取决于模型的不确定性，观测信号的时变性质或观测噪声的非平稳行为。 我们结合遗忘因子的随机梯度调整来开发具有自适应记忆的SSRLS。 这种新算法解决了标准SSRLS面临的局限性。 还导出了减轻计算负担的实际滤波器的近似值。 跟踪有噪声啁啾的示例表示并演示了新算法的整体能力和功能。 预计这种新滤波器能够跟踪和估计难以处理可用工具的时变信号(State Space Recursive Least Squares (
LSSVM_python_code-master
- 最小二乘支持向量机 ，实现很好的分类效果，零训练误差(Least Squares Support Vector Machines (LSSSMs) to achieve good classification, zero training error)
SEIR
- 一般的线性方程我们可以用最小二乘来解，一般的非线性方程我们可以用LM来解。 这里是线性微分方程组，所以我们采用最小二乘来解。 关键是构造出最小二乘形式，微分可以通过前后数据差分的方法来求。 不过这里还有一个技巧就是如果数据前后帧间隔过大，可以先插值，再对插值后的数据差分如果实际测量数据抖动过大导致插值后差分明显不能反映实际情况，可以先对数据平滑（拟合或是平均）再求差分。(We can use least squares to solve general linear equat