搜索资源列表
程序
- 以稀疏子空间聚类以及低秩子空间聚类等基本谱聚类算法为基础，通过 运用核映射算法，融合与数据本身结构相关的局部切线空间函数以及主成分分析 算法建立了可以应对独立子空间聚类、非独立子空间聚类、非线性聚类、混合多 流体聚类问题以及多种含有大数据量的实际问题，包括处理运动分割、人脸识别、 工件识别等情况中的多种类型数据分类的聚类算法，并且引入 Map-Reduce 并行处 理方法优化了算法的计算效率(Based on the basic spectral clustering algorith
emd
- 该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数（Intrinsic Mode Function，简称IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。与短时傅立叶变换、小波分解等方法相比，这种方法是直观的、直接的、后验的和自适应的，因为基函数是由数据本身所分解得到。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。(The key of thi
Solvpt
- 程序解决方案(解决本地优化问题的解决方案) 非线性，可能是非光滑的目标的最小化或最大化 函数和非线性规划问题的解决方案 所谓的精确惩罚方法的帐户约束(The program SolvOpt (Solver for local optimization problems) is concerned with minimization or maximization of nonlinear, possibly non-smooth objective functions and with
非参数估计SO2浓度
- 用5种非参数方法：线性样条、B样条、N-W核估计、最近邻估计、局部多项式对某地SO2浓度数据进行拟合。(5 non parametric methods: linear spline, B spline, N-W kernel estimation, nearest neighbor estimation, and local polynomial are used to fit the SO2 concentration data in a certain area.)
EMD模型
- 经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破?，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。 该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数（Intrinsic Mode Function，简称IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化
基流分割程序
- tvfemd可进行序列分解，比emd分解效果可能要好一点。(he sifting process is completed using a time varying filter technique.The local cut-off frequency is adaptively designed by fully facilitating the instantaneous amplitude and frequency information. Then nonuniform B-spli
PCM
- 在实际的调谐解调电路中，采用的是非相干载波解调，本振信号与发射端的载波信号存在频率偏差和相位抖动，因而解调出来的模拟I、Q基带信号是带有载波误差的信号。这样的模拟基带信号即使采用定时准确的时钟进行取样判决，得到的数字信号也不是原来发射端的调制信号，误差的积累将导致抽样判决后的误码率增大，因此数字QPSK解调电路要对载波误差进行补偿，减少非相干载波解调带来的影响。(In the actual tuning and demodulating circuit, non-coherent carrier
rbf
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network