搜索资源列表
DataClassificationAlgorithmsBasedOnSupportVectorMa
- 本文提出了一种双SMO算法。该算法在原数据集的抽样数据集上使用SMO算法得到近似分类超平面，根据近似分类超平面得到原数据集的所有支持向量，再次使用SMO算法得到最终的分类超平面。-In this paper,double SMO which is a improved SVM training algorithm is presented.This algorithm finds a approximate separating hyperplane on the sample data set
OO
- 网络规划师认证论文范例 云南师范大学.doc 收集自网络-Certified Network Planning Division, Yunnan Normal University, paper sample. Doc collected from the network
report
- 本文采用最小平方误差准则(MSE准则)通过训练样本集建立线性判别函数，并用线性判别函数去判断测试集。 实验报告-In this paper, the least square error criterion (MSE criterion) the training sample set by a linear discriminant function, and a linear discriminant function to determine the test set. Expe
1
- 《Z源逆变器光伏并网系统模型及电路参数设计》 摘要：建立了Z 源逆变器光伏并网系统的小信号模型，定量分析了光伏模块输出电压动态性能与主电路各参数间的 关系。光伏模块输出电压的最大功率点跟踪（MPPT）控制与系统采样平均周期关系密切，而采样平均周期又受主电路 无源元件参数大小的影响。定量分析小信号模型建立了各部分之间的传递函数，这对选择MPPT 控制采样平均周期 和主电路参数优化设计起到了关键性指导作用。实验证明了理论分析的正确性和该模型的实用性。 关键词：逆变器/ 分布式发电
Composite-frequency-design
- 本文介绍了一种复合信号测量系统，该系统基于TMS320F2808实现，用来检测和重建复合频率信号中的主次信号。该系统由计算模块、重建模块和通讯模块组成。为了能在实时运行中自适应地确定采样频率，我们采取了“eCAP+AD”的方法，eCAP模块记录下整形后的复合信号的上升沿过零点时间值并估计出主频率，从而使系统能自动地选取合适的采样频率完成AD采样过程。系统采用了4096点的FFT算法，能够实现高达0.25Hz的频率分辨率，相对分辨率达到0.05 。-This paper introduces a
PR_Nguyen
- This routine returns the coefficients of the 𝑁 -coefficient symmetric prototype filter 𝐻 (𝑧 ). The coefficients are normalized to have energy 1/2. When the analysis and synthesis filters are configured as shown above, the overall
diagnosis--based-on-LEM
- A novel fault feature extraction method based on the local mean decomposition technology and multi-scale entropy is proposed in this paper. When fault occurs in roller bearings, the vibration signals picked up would exactly display non-stationary
ApplicationImproved--r-Algorithm
- 粒子滤波算法在非线性系统中得到了广泛的应用，其精度取决于目标概率函数和重要性函数是否相近，并且样本退化问题也影响了算法的性能。针对粒子滤波算法中样本退化的问题，本文提出一种基于奇异值分解的粒子滤波算法。该算法通过使用奇异值分解方法得到的重要性概率密度函数更接近于目标概率分布，降低样本退化的影响，提高了滤波器的精度，然后在列车组合定位系统的数学模型中应用该算法进行仿真实验。 -Particle filter algorithm for nonlinear systems is widely use
Advances-in-design-and-application-of-neural-netw
- Even since the introduction of backpropagation in 1986, neural networks have gained considerable attention from researchers for more than two decades now. A variety of neural network models have been designed and applied successfully to solve