搜索资源列表
ictclas_Source_Code
- 计算所汉语词法分析系统ICTCLAS介绍 词是最小的能够独立活动的有意义的语言成分。 但汉语是以字为基本的书写单位,词语之间没有明显的区分标记,因此,中文词语分析是中文信息处理的基础与关键。为此,我们中国科学院计算技术研究所在多年研究基础上,耗时一年研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System),该系统的功能有:中文分词;词性标注;未登录词识别。分词正确率高达97
4102327
- Java语言是一个简单的、面向对象的、分布的、解释(执行)的、健壮的、安全的、独立于平台的、可移植的、可扩展的、高性能的、多线程的以及动态的程序设计语言。Java是由C++发展而来的,它是一种彻底的纯面向对象的程序设计语言。面向对象的语言四大特点:1.封装 2.继承 3.多态 4.动态。面向对象技术较好地适应了当今软件开发过程中新出现的种种传统面向过程语言所不能处理的问题。面向对象技术的核心是以更接近于人类思维的方式建立计算机逻辑模型,它利用类和对象的机制将数据与其上的操作封装在一起,并通过统
EEMD
- EEMD是针对EMD方法的不足,提出了一种噪声辅助数据分析方法。EEMD分解原理为:当附加的白噪声均匀分布在整个时频空间时,该时频空间就由滤波器组分割成的不同尺度成分组成。当信号加上均匀分布的白噪声背景时,不同尺度的信号区域将自动映射到与背景白噪声相关的适当尺度上去。当然,每个独立的测试都可能会产生非常嘈杂的结果,这是因为每个附加噪声的成分都包括了信号和附加的白噪声。既然在每个独立的测试中噪声是不同的,当使用足够测试的全体均值时,噪声将会被消除。全体的均值最后将会被认为是真正的结果,唯一持久稳固
ACWPS
- 词是最小的能够独立活动的有意义的语言成分。 但汉语是以字为基本的书写单位,词语之间没有明显的区分标记,因此,中文词语分析是中文信息处理的基础与关键。-The word is the smallest independent activities meaningful language component. But Chinese is the word as the basic unit of writing, there is no obvious mark of distinction b
FastICA
- 快速分析独立主成分算法,可以分离信号和混合数据-Fast ICA algorithm, the signal can be separated and mixed data
qn042
- 借鉴了主成分分析算法(PCA),采用的是脉冲对消法,最大信噪比的独立分量分析算法。- It draws on principal component analysis algorithm (PCA), It uses a pulse of consumer law, SNR largest independent component analysis algorithm.
bun
- 最大信噪比的独立分量分析算法,借鉴了主成分分析算法(PCA),包含优化类的几个简单示例程序。- SNR largest independent component analysis algorithm, It draws on principal component analysis algorithm (PCA), Optimization class contains several simple sample programs.
fieniu
- 用于图像处理的独立分量分析,是本科毕设的题目,用于建立主成分分析模型。- Independent component analysis for image processing, The title of the commercial is undergraduate course you Principal component analysis model for establishing.
峭度指标VI
- 峭度指标是非平稳信号故障诊断的重要参数。峭度指标对信号中的冲击成分十分敏感,冲击成分能量越大,其峭度值就会越大,在故障诊断的时域分析中十分重要。本文件中将其独立做成了一个子vi,便于程序直接调用。(Kurtosis index is an important parameter of non-stationary signal fault diagnosis. The kurtosis index is very sensitive to the impact component in the
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
PCA
- 主成分分析主要进行降维处理,以减小变量数目和使信号独立(Principal component analysis mainly reduces dimensionality to reduce the number of variables and make the signal independent)
MIToolbox
- 独立分量分析是一种统计和计算技术,用于揭示随机变量、测量数据或信号中的隐藏成分。(In ICA, multi-dimensional data is decomposed into components that are maximally independent in an appropriate sense (kurtosis and negentropy, in this package).the ICA components have maximal statistical indepe
FastICA25
- 独立主成分分析目的就是寻找解混矩阵W(A的逆矩阵),然后对X进行线性变换,得到输出向量U。(Independent Component Correlation Algorithm)
package_emd
- 经验模态分解(Empirical Mode Decomposition,EMD)法是黄锷(N. E. Huang)在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法,特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换,就组成了大名鼎鼎的“希尔伯特—黄变换”(HHT)。由于脑电信号处理很少在EMD之后接上希尔伯特变换,在这里仅介绍EMD的相关基础知识。 EMD其实就是一种对信号进行分解的方法,与傅里叶变换、小波变换的核心思想一致,大家