搜索资源列表
PLR
- 在时间序列分段线性表示 PLR 基础上 ,提出用相对点平均误差度量子序列过程状态变化程度 ,改 进过程数据 PLR模型分段算法 ,克服采用单一误差算法的模型失配问题 ,更加准确地反应过程状态的变化。-:Based on PLR piecewise linear representation of time series,RPAE relative point average error is pro2 posed to measure linear degree of process
PAA
- 基于PAA的分段线性表示算法:用等宽度窗口分割时间序列，每个窗口内的时间序列用窗口平均值来表示，就得到了时间序列的一种分段线性表示，它的输入参数为分段数，记为K.-PAA-based algorithm for piecewise linear representation: split time series with windows of same width , use the mean of time series in the window to express, it has bee
PLR_PF
- 基于重要点的PLR表示: 重要点被定义为在局部范围内的极值点，并且与端点的比值超过参数R。将重要点用线段连接，就得到了基于重要点的时间序列分段线性表示，通过选择不同的参数R，可以获得精细粒度不同的分段线性表示。-Based on the important points of PLR: Important points are defined as within the scope of local extreme points, and with the endpoint parameters
PLR
- 改进的分段线性表示方法，含有四种基本算法，自顶向下，自底向上，滑窗，以及滑窗式自底向上算法。是流行的降维、分类算法。改进之后，所得出的线段是连续的，解决了离散线段带来的不便。-Rewised PLR algorithms inclusing four basic methods: top down, bottom up, sliding window and sliding window bottom up. PLR is a popular algorithm for classificati
qruxpgfd
- 粒子图像分割及匹配均为自行编制的子例程，基于分段非线性权重值的Pso算法，表示出两帧图像间各个像素点的相对情况，有较好的参考价值，通过虚拟阵元进行DOA估计，线性调频脉冲压缩的Matlab程序。-Particle image segmentation and matching subroutines themselves are prepared, Based on piecewise nonlinear weight value Pso algorithm, Between two image
libogg
- 首先对输入音频PCM信号进行时频分析，决定MDCT的长度，即加窗，然后进行MDCT变换；同时对原始音频信号要进行FFT分析。两种变换的频谱系输入给心理声学模型单元，MDCT系数用于噪声掩蔽计算，H可结果用于音调掩蔽特性计算，共同构造总的掩蔽曲线。然后根据MDCT系数及掩蔽曲线，对频谱系数进行线性预测分析用LPC(Linear Prediction Coefficience，线性预测系数)表示频谱包络，即基底曲线(Floor Curve)；或通过线性分段逼近方式获得基底曲线。从MDCT系数中去掉
分段线性表示
- 时间序列的分段线性表示（自底向上和自顶向下）的程序(A piecewise linear representation of the time series code)
概率论与数理统计历年试题
- 基于重要点的PLR表示: 重要点被定义为在局部范围内的极值点，并且与端点的比值超过参数R。将重要点用线段连接，就得到了基于重要点的时间序列分段线性表示，((A piecewise linear representation of the time series code))
python实现分段线性表示
- 按照自顶向下和自底向上分析时间序列趋势和转折点(Found the turning point from bottom to the top and from top to the bottom)