<strike id="wizpk"></strike>
曲線數(shù)據(jù)處理之曲線插值主要內(nèi)容：實(shí)際觀測值總不能稠密到滿足任何條件下的需求，對(duì)中間沒有觀測值的點(diǎn)位則需要通過插值獲得答案。又實(shí)際觀測數(shù)據(jù)往往是離散的，即在X軸上觀測數(shù)據(jù)點(diǎn)之間是不等距的，也需要通過插值使其等距化。
標(biāo)簽： 數(shù)據(jù)處理 曲線插值 觀測值 條件下
上傳時(shí)間： 2015-05-13
上傳用戶：songnanhua
USB51S庫一共有3個(gè)文件，包括USB51S.LIB，ISR.C，ISR.H（為了增加USB通信的靈活性，并沒有把所有的子程序都封裝倒USB51S.LIB，而是在ISR.C建立部分通信程序，這樣方便用戶修改
上傳時(shí)間： 2014-01-18
上傳用戶：hustfanenze
最接近點(diǎn)對(duì)問題是求二維坐標(biāo)中的點(diǎn)對(duì)問題，該算法是為了將平面上點(diǎn)集S線性分割為大小大致相等的2個(gè)子集S1和S2，我們選取一垂直線l:x=m來作為分割直線。其中m為S中各點(diǎn)x坐標(biāo)的中位數(shù)。由此將S分割為S1={p∈S|px≤m}和S2={p∈S|px>m}。從而使S1和S2分別位于直線l的左側(cè)和右側(cè)，且S=S1∪S2 。由于m是S中各點(diǎn)x坐標(biāo)值的中位數(shù)，因此S1和S2中的點(diǎn)數(shù)大致相等。 遞歸地在S1和S2上解最接近點(diǎn)對(duì)問題，我們分別得到S1和S2中的最小距離δ1和δ2。現(xiàn)設(shè)δ=min(δ1,δ1)。若S的最接近點(diǎn)對(duì)(p,q)之間的距離d(p,q)<δ則p和q必分屬于S1和S2。不妨設(shè)p∈S1，q∈S2。那么p和q距直線l的距離均小于δ。因此，我們?nèi)粲肞1和P2分別表示直線l的左邊和右邊的寬為δ的2個(gè)垂直長條，則p∈S1，q∈S2。
標(biāo)簽： 二維
上傳時(shí)間： 2015-05-19
上傳用戶：shawvi
這是當(dāng)初在學(xué)網(wǎng)路程式時(shí)所寫的，所以有很多很多地方可以改進(jìn)， 有心人士就拿去亂改吧！ 先執(zhí)行(server) Server 然後再開兩個(gè) (Client) LoginFrame 就能連了。 那個(gè)密碼部份是假的，沒有啥用處，可以把它改成輸入ip ， 當(dāng)初是直接設(shè) 127.0.0.1，以方便測試。
標(biāo)簽： 程式
上傳時(shí)間： 2014-12-03
上傳用戶：jackgao
1 系統(tǒng)簡介 與本文檔配套的超聲波測距模組為 V2.0 版本。 1.1 基本特性與參數(shù)指標(biāo) 超聲波傳感器諧振頻率：40KHz； 模組傳感器工作電壓：4.5V~9V 模組接口電壓：4.5V~5.5V 1.2 主要功能 三種測距模式選擇跳線 J1（短距、中距、可調(diào)距）： 短距：20cm~100cm左右（根據(jù)被測物表面材料決定），精度 1cm； 中距：70cm~400cm左右（根據(jù)被測物表面材料決定）； 可調(diào)：范圍由可調(diào)節(jié)參數(shù)確定，當(dāng)調(diào)節(jié)在合適的值時(shí)，最遠(yuǎn)測距 700cm左右；
上傳時(shí)間： 2015-07-10
上傳用戶：xinyuzhiqiwuwu
該程序通過PN碼來實(shí)現(xiàn)無源定位的功能，有三個(gè)基站，分別計(jì)算目標(biāo)距三個(gè)基站的時(shí)間，從而得出目標(biāo)的坐標(biāo)
上傳時(shí)間： 2015-07-24
上傳用戶：lx9076
是CDMA仿真系統(tǒng)產(chǎn)生，很多都講倒了要仔細(xì)查閱的
標(biāo)簽： CDMA 仿真系統(tǒng)
上傳時(shí)間： 2015-08-15
上傳用戶：shus521
burg法估計(jì)AR（P)模型參數(shù)的算法。里面ef是前項(xiàng)誤差bf是后項(xiàng)誤差，mse是預(yù)測誤差的均方值。程序的最后輸出的是把各階預(yù)測誤差放在一個(gè)下三角距陣中
標(biāo)簽： burg 誤差 模型參數(shù) 算法
上傳時(shí)間： 2013-12-20
上傳用戶：wmwai1314
VC+MO最短路徑算法 // 計(jì)算線的幾何長度 double CalcLength() // 通過線的id得到線數(shù)據(jù) BOOL GetLineData(int id) // 得到距離某點(diǎn)最近的線段，返回該線段的id int GetNearestLineData( double x, double y) // 判斷兩點(diǎn)是否重合 BOOL IsPtCoincide( NetPoint ptFirst, NetPoint ptSecond ) // 得到最鄰近的點(diǎn)
標(biāo)簽： GetLineData CalcLength double BOOL
上傳時(shí)間： 2015-08-28
上傳用戶：lizhen9880
說話人識(shí)別是語音識(shí)別的一種特殊方式，其目的不是識(shí)別語音內(nèi)容，而是識(shí)別說話人是誰，即從語音信號(hào)中提取個(gè)人特征。采用矢量量化（VQ）可避免困難的語音分段問題和時(shí)間歸整問題，且作為一種數(shù)據(jù)壓縮手段可大大減少系統(tǒng)所需的數(shù)據(jù)存儲(chǔ)量。本文提出了識(shí)別特征選取采用復(fù)倒譜特征參數(shù)和對(duì)應(yīng)用VQ的說話人識(shí)別系統(tǒng)改進(jìn)的一種方法。當(dāng)用于訓(xùn)練的數(shù)據(jù)量較小時(shí)，復(fù)倒譜特征可以得到比較穩(wěn)定的識(shí)別性能。VQ的改進(jìn)方法避免了說話人識(shí)別系統(tǒng)的訓(xùn)練時(shí)間與使用時(shí)間相差過長從而導(dǎo)致系統(tǒng)的性能明顯下降以及若利用自相關(guān)函數(shù)帶來的大量運(yùn)算。
標(biāo)簽： 識(shí)別 方式 語音識(shí)別
上傳時(shí)間： 2015-09-04
上傳用戶：xwd2010
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<kbd id="thtns"></kbd>
