搜索资源列表
buck
- THE COMPUTER EXPLORATIONS TOOLBOX --------------------------------- This directory contains the Computer Explorations Toolbox, which is the set of M-files and data files which accompany the textbook "Computer Explorations in Signals and Syste
Geodetic_Transformations
- Geodetic Transformations Set of tools to perform transformations between projection, ellipsoidal and cartesian coordinates in either direction. Included are proj2ell - projection to ellipsoidal ell2cart - ellipsoidal to global cartesian d3t
breast_cancer
- 对数据集breast_cancer，用LR，NB算法对其进行操作-On the data set breast_cancer, with LR, NB algorithms manipulate
LDPC
- 这是关于LDPC信道编码模块设计的程序 打开源程序，先运行gengrate_h.m程序，陆续将码长设置为756bit，列重设置为3，行重设置为9。在Workspace中同时将H、A、B、C、D、E、Hget、Fget、g、Tget这是个变量选择另存为encode_in.mat 格式。再运行main_encode.m进行编码，主程序运行后，在当前目录下，自动生成编码结果文件“encode—out.mat”，这将作为下一次扩频调制仿真实验的的输入信号。最后分别查看Workspace中的变量s
ELM
- 训练集/测试集产生 load spectra_data.mat 随机产生训练集和测试集 temp = randperm(size(NIR,1)) 训练集——50个样本 P_train = NIR(temp(1:50),:) T_train = octane(temp(1:50),:) 测试集——10个样本 P_test = NIR(temp(51:end),:) T_test = octane(temp(51:end),:) N = si
PCA
- 模式识别作业-完全自编仿真程序。先用PCA对IRIS数据集进行降维，然后用最小错误法对降维的数据进行分类。压缩包中既包括matlab源代码，又有自己写的报告，还有.MAT格式的IRIS数据集用作程序调用。程序有详细注释，很容易懂。最后结果输出到txt文件中。-Pattern recognition operations- completely self simulation program. First on the IRIS data set with PCA dimension reduct
mat
- 对iris数据集分类 采用bp网络 利用交叉验证优化参数-Classification of the iris data set bp network use of cross-validation optimization parameters
computervision_20151235_seohyeonShin
- camera calibration matlab code i attached image file and code this can calculate A matrix, K matrix, P matrix. but you must check and insert image points set by your hand. open image-> click and confirm (x,y). and insert mat( , ) thi
chapter26
- 神经网络实例文件说明： 1. chapter26_lvq.m为主程序，将该文件夹设置为MATLAB当前工作路径，运行即可。 2. crossvalidation_lvq.mat为增加了交叉验证功能(确定最佳的隐含层神经元个数)的LVQ程序。 3. chapter26_bp.m为对比的BP程序。 4. data.mat为数据文件。 5. 该程序在MATLAB2009a版本下测试通过，个别函数在低版本中不存在或者调用格式有所不同，参照对应版本中的帮助
code_BPMF
- 如何使它工作： 1。创建一个单独的目录，并将所有这些文件下载到相同的目录中 2。下载7个文件： *demo:主文件demo:PMF和贝叶斯PMF * PMF.m:训练的PMF模型 * bayespmf.m贝叶斯PMF模型实现吉布斯采样器。 * moviedata.mat样本数据包含三元组（user_id，movie_id，评分） * makematrix.m：辅助功能转换成大型矩阵的三元组。 * PRED.m:辅助功能使得预测验证集。 三.在Matlab只需运
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
DM6
- 主要包括一个测试数据集合mydata.mat,main.m，DBSCAN.m和PlotClusterinResult.m共4个文件，我们在测试实验实验中做了两个方面更改：1)更换了另外一个测试数据，测试数据来源于[13]（取其中的一部分）,2)添加了个K距离图部分代码(均在如下主程序代码中给出)，代码按照个人对k-distance graph的理解编写，如有错误之处，望大家指正，3）改变参数Eps值大小，输出结果并显示。(Including a test data set mydata.mat,
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