搜索资源列表
struct2mat
- [X,n]= STRUCT2MAT(S) converts a structre S into a numeric matrix X. The contents of each *numeric* field of S (either a vector or a matrix) will form 1 column of X. Fieldnames are returned in cell array n . If the fields of S aren t of the s
kalman
- Kalman Filter , AN SIMPLE IMPLEMENTATION OF A CALMAN FILTER requires H,B,R,Q matrix implementation for better results
SolveLinearEqutations
- 全选主元高斯-约当消去法求解稀疏线性方程组 输入参数a[]系数矩阵，n线性方程阶数，b[]右端项 输出参数b[]方程组的解 返回值 ： 1求解成功 0求解失败-Select the main element Gauss- Jordan elimination method for solving sparse linear equations Input parameters a [] coefficient matrix, n order linear equations, b
Quadratic-Programming
- 功能：用拉格朗日方法求解等式约束二次规划：min f(x)=0.5*x Hx+c x,s.t.Ax=b 输入：H,c分别是目标函数的矩阵和向量，A,b分别是约束条件中的矩阵和向量 输出：（x,lam)是KT点，fval是最优值。-Function: Lagrangian method for solving equality constrained quadratic programming: min f (x) = 0.5* x Hx+ c x, s.t.Ax = b Input:
yesmon
- 设计要求：试设计一个演示程序（可以采用任何语言编写，建议使GUI工具构建演示程序），该程序运行后能显示一个人机交互界面，该界面允许输入系统状态空间模型的参数矩阵（即可输入A,B,C,D矩阵，以构建系统的状态空间模型），根据输入的参数矩阵，能够给出系统是否能控的结论。若系统能控，则允许输入任意初始状态向量和控制作用的持续时间（即给定系统状态达到零状态的时间长度），能自动构建控制作用，使系统的状态变成零状态，系统状态从给定状态变成零状态的过程采用图形的方式展示。-
line-search
- 输入：phi是目标函数，a,b是搜索区间的两个端点 delta,epsilon分别是自变量和函数值的容许误差 输出：s,phis分别是近似极小点和极小值，G是n乘4矩阵- input: phi is the objective function, a, b is the search interval of two endpoints delta, epsilon, respectively is the independent variable and function
Dynamic-Time-Warping
- If you pass in 2 vectors it returns the unnormalized distance between the vectors, the accumulated distance between them, the length of the warping path (the normalizing factor), and the warping path points. To compare 2 vectors A and B call:
ju
- 特征值分解（B级） 功能要求： a) 输入一个对称正方矩阵A，从文本文件读入； b) 对矩阵A进行特征值分解，将分解结果：即U矩阵、S对角矩阵输出至文本文件； c) 将最小特征值对应的特征向量并输出至文本文件； d) 验证其分解结果是否正确。 说明：矩阵特征值分解被广泛运用于土木工程问题的数值计算中，如可用于计算结构自振频率与自振周期、结构特征值屈曲问题等-Eigenvalue Decomposition (B grade) Functional requiremen
1
- 1、实现SPI驱动TSC2046，读取X，Y触摸坐标 2、触摸坐标和LCD坐标的对应关系可由矩阵平移、旋转、缩放三者来表示 XL XT*A+XT*B+C YL YT*D+YT*E+F 采用五点校正算法，计算出参数A，B，C，D，E，F 因为参数多为小数不易存放，所以乘以一个参数作为整数存放。 3、每次读取触摸按下的坐标时，读TSC2046的是触摸坐标， 而需要的是LCD坐标，所以把触摸坐标和上述参数代入上面等式即可获得-1, to achieve SPI drive
DeepLearningDropout-master
- dropout和深度学习算法的结合使用，有详细的使用说明和数据集(Three types of layers: - C: convolutional layer (matrix map) - MP: max-pooling layer (matrix map) - F: fully connected layer (vector map) - O: output layer Convolutional Layers: - Scale: scale (size of p
GolayCodeNbit
- 生成Nbit的golay互补码，注意输入的码长数值必须是2^n，输出为2*n的矩阵。包含源代码和输出波形图。(This function is designed for generating a N-bit Golay complementary code sequence. The syntax is "y=GolayCodeNbit(N)", where N is pattern of 2^n. The output result, y, is an output m
熵权法原理
- 熵权法是一种客观赋权方法。它十分复杂，计算步骤如下: a.构建各年份各评价指标的判断矩阵: b.将判断矩阵进行归一化处理, 得到归一化判断矩阵: c.根据熵的定义，根据各年份评价指标，可以确定评价指标的熵。 d.定义熵权。定义了第n个指标的熵后，可得到第n个指标的熵权。 f.计算系统的权重值。(Entropy weight method is an objective method of empowerment. It is very complicated. Th
HMM
- %函数名称：HMMTrain %参数：V-------训练观察序列（n X 1Cell矩阵），IPI,IA,IB-------模型参数初始值 %返回值：PI,A,B-------模型参数的学习结果 %函数功能：隐含马尔科夫模型的Baum-Welch学习算法(% function name: HMMTrain % parameters: V------- trains the observation sequence (n, X, 1Cell matrix), IPI, IA, and I
4
- 假设稀疏矩阵A和B均以三元组表作为存储结构，试写出矩阵相加和相乘的算法，另设三元组表C存放结果矩阵。(Suppose that the sparse matrix A and B are all three tables as the storage structure, try to write the matrix addition and multiplication algorithm, and set up the three tuple table C to store the re
按位就座
- 依次将待转置矩阵A的三元组行列互换后,直接放到转置矩阵B的三元组表中的正确位置。需考虑两方面因素:一是矩阵A每列中非零元素的个数(即转置矩阵B每一行中非零元素的个数);二是矩阵A各列中第一个非零元素三元组在B中的正确位置(即矩阵B各行中第一个非零元素三元组在B中的正确位置)。(In turn, the row of three tuples of the transposed matrix A is exchanged and placed into the correct position o
wpsnr.m
- This function displays the PSNR (peak signal-to-noise ratio) between two images. The answer is in decibels (dB). PSNR is very common in image processing. A sample use is in the comparison between an original image and a coded/decoded image. Typica
ELM分类器
- ELM是基于深度学习的分类器，运算速度快。 在B_data.m里导入待分类矩阵B.mat（1-n列为特征值，n列为标签）；运行B_data.m；再打开fuzzyEn_main.m并运行即可。(ELM is based on depth learning classifier, computing speed. In B_data.m imported matrix to be classified B.mat (1-n as eigenvalues, n as a label); Run B
xishuMatrixAdd
- 以三元组表示稀疏矩阵A，B，试编写矩阵相加的算法，结果存放在C矩阵。(Three tuples are represented by the sparse matrix A, B, and the matrix addition algorithm is written. The results are stored in the C matrix.)
07 极限学习机（Extreme Learning Machine, ELM）
- ELM算法指出，其实隐层的权值矩阵W和偏置b其实是没有必要调整的，在学习算法开始时，任意随机给定W和b的值，利用其计算出H（隐层节点的输出），并令其保持不变，需要确定的参数就只有β了。这是一个比较重要的理论基础。(The ELM algorithm is pointed out, in fact, hidden layer weights matrix W and B is not necessary to adjust the bias of the learning algorithm, i
CA_toll
- %这是一个主要的脚本来模拟方法、 服务和离开 %车辆通过收费广场，，如受参数 下面定义的 % % %迭代 = 模拟的最大迭代 %B = 号摊位 %L = 多车道公路之前, 和之后广场 到达 %= 到达平均总数汽车 %plazalength = 广场的长度 服务 %= 服务率的展位 %广场 = 广场矩阵 %1 = 0 的车 = 空-1 = 禁止，-3 = 空展位 %v = 速度矩阵 %vmax = 的汽车的最大速度 %的时间 = 时间矩阵，以追踪这车花去的时间 ％ 通