搜索资源列表
EM
- 用C++实现了期望最大化算法，为了简化，矩阵使用对角矩阵-C achieve expectations maximize algorithm, in order to simplify the use of matrix diagonal matrix
evaluat_max
- 关于演化算法的小程序.以一个二元二次方程的求极值为例.对输入参数作了简化的固定处理.较好的说明了演化算法.可直接运行.-on evolutionary algorithm small procedures. A binary quadratic equation for the extreme example. To simplify the input parameters fixed address. A good note evolutionary algorithm. Direct op
textureclassfication
- 提出了一种基于函数联接的感知器神经网络的纹理分类方法.它采用高斯2马尔柯夫随机场模型(GM RF)对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得.将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题.对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果. -Based on the function connected perceptron neural network tex
bpnet
- 一个BP神经网络封装类。包括矩阵运算的封装。采用特殊封装方式，极大简化书写矩阵运算表达式，同时尽量减少申请/释放内存，提高运行速度。经过封装，这个神经网络结构很简单，易于理解，易于扩展。相信这个封装能给学习，应用神经网络的同学以方便。-A BP neural network package. Including a Matrix operations packaging. With special package methou, It greatly simplify the expressio
DSP_system_fingerprint_algorithm
- 摘要:文章详细介绍了如何在DSP系统实现指纹识别算法。针对嵌入式系统的特点，重点讨论了如何对算法进行简化和改进以及混合编程的问题。对于片内存储空间过小问题，介绍了存储空间的分配问题，并且设计了一种算法程序调度的方法，可以保证算法的运行效率和空间需求-Abstract: The article details how to implement in the DSP system, fingerprint recognition algorithm. Characteristics for embe
ELM
- 基于传统支持向量机(sVM)训练速度慢、参数选择难等问题，提出了基于极限学习机(ELM)的岩性识别。该算法是一种新的单隐层前馈神经网络(sLFNs)学习算法，不但可以简化参数选择过程，而且可以提高网络的训练速度。-Based on the traditional support vector machine (sVM) training is slow, difficult issues such as parameter selection, extreme learning machine
ELM-NN
- 基于极限学习机(ELM)的岩性识别。该算法是一种新的单隐层前馈神经网络(sLFNs)学习算法，不但可以简化参数选择过程，而且可以提高网络的训练速度。-Based on the traditional support vector machine (sVM) training is slow, difficult issues such as parameter selection, extreme learning machine is proposed based on (ELM) of li
classification-of-decision-tree
- 寻找新的构造决策树和简化决策树的方法一直是决策树技术研究的一个热点。SLIQ 算法和 SPRINT 算法很好的解决了磁盘驻留数据太大以至于无法被内存容纳带来的问题-Looking for new constructed decision tree and simplify the decision tree method has been a research focus of the decision tree technique. SLIQ algorithm and SPRINT algo
MPPT
- 局部阴影条件下光伏阵列的优化设计。 随着光伏发电系统的结构及所处环境的复杂化(如光伏屋顶系统、光伏幕墙系统等)，尤其是局部阴影问题的出现，光伏阵列的输出特性受到很大影响。通过理论分析、计算机仿真及系统实验等方法，研究阴影分布的影响，提出在局部阴影条件下光伏阵列最大功率点的简化算法，总结阵列结构优化的原则，并在此基础上进一步考虑局部峰值及工作电压范围等因素的影响。提出适用性较广的光伏阵列优化设计方法，为光伏发电系统的工程设计提供有力的支持。 -Under optimized conditi
RON
- 基于资源优化网络的RBF网络设计，达到精简网络结构，提高网络泛化能力。 -RBF network based on the resource optimization of network design to simplify the network structure, improve the network generalization ability.
pca
- 机器学习算法，利用PCA来简化数据，降维技术，主成分分析-Machine learning algorithm, using PCA to simplify data dimensionality reduction techniques, principal component analysis
svdRec
- 机器学习算法，利用SVD简化数据，SVD矩阵分解，推荐引擎，提高性能-Machine learning algorithm, using SVD simplify data, SVD matrix decomposition, recommendation engine, improved performance
188_指标多周期EA1.4_10_84
- 多周期多图表多品种运行，分散风险，让交易变得简单化轻松化。188_指标多周期EA1.4_10_84系统采用顶底指标和趋势指标同步共振原理，同时也可以结合其他指标的提示。(Multi cycle, multi chart and multi variety operation can disperse risks and simplify the transaction. 188_ Index multi period ea1.4_ 10_ 84 system adopts the synchro