搜索资源列表
TableEdi
- 整理一个矩阵数据 并以表格的形式 打印到word文档里 需要输入：1。这个word文档里第几个表格 2。word文件路径 3。矩阵内容(Sorting a matrix data and printing it into a word document in a form requires input: 1. The first table in the word document is table 2. Word file path 3. Matrix content)
C常用算法程序集(第二版)
- 针对工程中常用的行之有效的算法而编写，其主要内容包括多项式的计算、复数运算、随机数的产生、矩阵运算、矩阵特征值与特征向量的计算、线性代数方程组的求解、非线性方程与方程组的求解、插值与逼近、数值积分、常微分方程组的求解、数据处理、极值问题的求解、数学变换与滤波、特殊函数的计算、排序和查找。(The effective algorithm commonly used in engineering and preparation, the main contents include polynomia
MatLab Apriori
- Fortunately, a pseudo code for this algorithm is available in Chapter 6 (sample chapter available for free download) of Introduction to Data Mining. Let's start with loading the example dataset used in the PDF and creating a binary matrix representat
fisher
- 利用Fisher准则计算两类数据间的类间离散矩阵和类内离散矩阵(Using Fisher criterion to calculate inter class discrete matrix and intra class discrete matrix between two classes of data)
Parafac codes
- PARAFAC源程序，可以用于平行因子分析处理的算法，很全很好用(unction [A,B,C,LLF,I,J,K] = parafac(XPK,I,N,epsilon) % PARAFAC Parallel factor analysis for an three-way data array % The iterative process is continued until that m > 300 or ABS((LF(m)-LF(m-1)) % /LF(m-1)) is l
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来
数据结构典型实验
- 此压缩包包含三个典型的数据结构入门实验的代码和使用说明和运行结果。程序注释详尽，说明中程序的要求以及运行结果详细，是进行数据结构学习的初学者不可错过的学习资料。 具体包含：十字链表与矩阵、哈希表、二叉树计算器实验三部分(The compressed package contains three typical data structures, which are introductory experiment code, operation instructions and operation
C数值算法集
- 本书编写了300多个实用而有效的数值算法C语言程序。其内容包括：线性方程组的求解，逆矩阵和行列式计算，多项式和有理函数的内插与外推，函数的积分和估值，特殊函数的数值计算，随机数的产生，非线性方程求解，傅里叶变换和FFT，谱分析和小波变换，统计描述和数据建模，常微分方程和偏微分方程求解，线性预测和线性预测编码，数字滤波，格雷码和算术码等。(This book has written more than 300 practical and effective numerical algorithm
nmi
- 这个包里包含了两个函数，是NMI指标的两种实现方式，nmi_saveTime函数运用了矩阵运算，有效节省了计算时间，可用于数据量大的时候对聚类或者分类算法结果进行评价(This package contains two functions that both achieve the calculation of the NMI index, one of which has applied matrix operation to improve the efficiency so that ca
hdrload
- 自制函数hdrload，读取TXT文档的开头和数据，提取成两个文件：header和data数值矩阵，对txt中含英文，中文，空格等多种类型都适用(Read the beginning and data of TXT document and extract them into two files: header and data numerical matrix.)
双线性四边形等参单元程序
- 本程序采用matlab编写。程序加载由用户提供的前处理数据，包括网格数据和载荷数据。采用直接的数值运算和matlab符号运算两种方法（可选择）生成单元刚度矩阵。自动集成结构刚度矩阵，选用直接解法求解线性方程组，解出节点位移。后处理过程中，程序计算了节点应力值，对于共享节点的应力程序采用各个单元计算值的平均，程序同时给出了单元最佳应力点的应力值！(This program is written in matlab. The program loads pre-processing data pro
核函数主成分分析KPCA
- 在多元统计领域中，核函数主成分分析(kernel principal component analysis, kernel PCA)是利用核函数方法技术对主成分分析(PCA)的扩展。使用核函数使原PCA的线性操作是在一个复制的内核希尔伯特空间中执行的。 KPCA的运算步骤势在PCA之前首先对数据进行kernel变换 ，再求相关系数矩阵。(In the field of multivariate statistics, kernel principal component analysis (ke
Based_2_henkel_IALM_MC_DOA_DJ
- 利用2重hankel矩阵 变换恢复出全零行的数据，解决阵元受损的情况或对阵元进行降采样下的低空测角问题(Using the 2-fold Hankel matrix transformation to recover the data of all zero rows, solve the problem of low altitude angle measurement when array elements are damaged or array elements are downsamp
sklearn-SVM
- 支持向量机(SVM)——分类预测，包括核函数调参，不平衡数据问题，特征降维，网格搜索，管道机制，学习曲线，混淆矩阵，AUC曲线等(Support vector machine (SVM) - classification prediction, including kernel function parameter adjustment, unbalanced data problem, feature dimensionality reduction, grid search, pipelin
data_batch_2
- cifar-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。 具体：batch2.mat文件，该训练集可以用于图片识别，非负矩阵分解等。(The ci
imm7124
- The complex Wishart distribution is used to describe synthetic aperture radar (SAR) data in the so-called covariance matrix representation. We give a test statistic for detection of differences between two instances in this distribution and an associ
L2_1
- 编写一个名为Perce的函数，用它来实现感知器算法。 函数的输入/输出有： （a）一个N*d维的矩阵X，它的第i行是第i个数据向量； （b）一个N维列向量y，y的第i个元素包含了类（-1，1），并且该类与相应的向量相互对应； （c）用向量w_ini初始化参数向量；并且返回估计参数向量； 假设函数最大迭代次数为10000。(Write a function called Perce to implement perceptron algorithm. The input / out
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate