為設計一種正交鏡像濾波器組(QM F)的原型濾波器，使川高邊瓣衰減(SLFO R的可變性和組合窗函 數設計了低通原型濾波器，并且應川線性優化使近似重構的誤差最小結果表明，該方法程序運行簡單，優化 算法使計算機處理的速度加快，而且高邊瓣衰減(SLFOR)組合窗減少了能量的泄漏，防止了子帶間的混疊
上傳時間： 2017-08-30
上傳用戶：tuilp1a
批處理感知器算法的代碼matlab w1=[1,0.1,1.1;1,6.8,7.1;1,-3.5,-4.1;1,2.0,2.7;1,4.1,2.8;1,3.1,5.0;1,-0.8,-1.3; 1,0.9,1.2;1,5.0,6.4;1,3.9,4.0]; w2=[1,7.1,4.2;1,-1.4,-4.3;1,4.5,0.0;1,6.3,1.6;1,4.2,1.9;1,1.4,-3.2;1,2.4,-4.0; 1,2.5,-6.1;1,8.4,3.7;1,4.1,-2.2]; w3=[1,-3.0,-2.9;1,0.5,8.7;1,2.9,2.1;1,-0.1,5.2;1,-4.0,2.2;1,-1.3,3.7;1,-3.4,6.2; 1,-4.1,3.4;1,-5.1,1.6;1,1.9,5.1]; figure; plot(w3(:,2),w3(:,3),'ro'); hold on; plot(w2(:,2),w2(:,3),'b+'); W=[w2;-w3];%增廣樣本規范化 a=[0,0,0]; k=0;%記錄步數 n=1; y=zeros(size(W,2),1);%記錄錯分的樣本 while any(y<=0) k=k+1; y=a*transpose(W);%記錄錯分的樣本 a=a+sum(W(find(y<=0),:));%更新a if k >= 250 break end end if k<250 disp(['a為：',num2str(a)]) disp(['k為：',num2str(k)]) else disp(['在250步以內沒有收斂，終止']) end %判決面：x2=-a2*x1/a3-a1/a3 xmin=min(min(w1(:,2)),min(w2(:,2))); xmax=max(max(w1(:,2)),max(w2(:,2))); x=xmin-1:xmax+1;%(xmax-xmin): y=-a(2)*x/a(3)-a(1)/a(3); plot(x,y)
上傳時間： 2016-11-07
上傳用戶：a1241314660
遺傳算法，已調試,zhu shi fei chang qing chu
標簽： tiaoshiguo 算法
上傳時間： 2017-05-01
上傳用戶：caoge
vibe是一種像素級的前景檢測算法，實時性高，內存占有率低，前景檢測準確率高。但是會出現“鬼影”,當然基于對鬼影的處理，也會有相應的對vibe算法的改進。
上傳時間： 2018-03-05
上傳用戶：wyc6117
K-Means算法是最古老也是應用最廣泛的聚類算法，它使用質心定義原型，質心是一組點的均值，通常該算法用于n維連續空間中的對象。 K-Means算法流程 step1：選擇K個點作為初始質心 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 例如下圖的樣本集，初始選擇是三個質心比較集中，但是迭代3次之后，質心趨于穩定，并將樣本集分為3部分 我們對每一個步驟都進行分析 step1：選擇K個點作為初始質心 這一步首先要知道K的值，也就是說K是手動設置的，而不是像EM算法那樣自動聚類成n個簇 其次，如何選擇初始質心 最簡單的方式無異于，隨機選取質心了，然后多次運行，取效果最好的那個結果。這個方法，簡單但不見得有效，有很大的可能是得到局部最優。 另一種復雜的方式是，隨機選取一個質心，然后計算離這個質心最遠的樣本點，對于每個后繼質心都選取已經選取過的質心的最遠點。使用這種方式，可以確保質心是隨機的，并且是散開的。 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 如何定義最近的概念，對于歐式空間中的點，可以使用歐式空間，對于文檔可以用余弦相似性等等。對于給定的數據，可能適應與多種合適的鄰近性度量。
上傳時間： 2018-11-27
上傳用戶：1159474180
該程序實現了軟輸入軟輸出Viterbi算法解碼。假定一個有限長度的格子窗可以向前和向后遞歸。因此，它像一個的SOVA譯碼器的硬件實現
上傳時間： 2020-06-28
上傳用戶：lzp962485607
第一章 機器學習革命學習算法入門為何商業擁護機器學習給科學方法增壓10億個比爾·克林頓學習算法與國家安全我們將走向何方第二章 終極算法來自神經科學的論證來自進化論的論證來自物理學的論證來自統計學的論證來自計算機科學的論證機器學習算法與知識工程師天鵝咬了機器人終極算法是狐貍，還是刺猬我們正面臨什么危機新的萬有理論未達標準的終極算法候選項機器學習的五大學派第三章 符號學派：休謨的歸納問題特別說明：僅作為愛好者學習使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學習分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費的午餐”定理對知識泵進行預設如何征服世界在無知與幻覺之間你能信任的準確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學派第四章 聯結學派：大腦如何學習感知器的興盛與衰亡物理學家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復仇一個完整的細胞模型大腦的更深處第五章 進化學派：自然的學習算法達爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學得最快，誰就會贏第六章 貝葉斯學派：在貝葉斯教堂里統治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關聯，但不是直接關聯推理問題掌握貝葉斯學派的方法馬爾可夫權衡證據邏輯與概率：一對不幸的組合第七章 類推學派：像什么就是什么完美另一半維數災難空中蛇災爬上梯子起床啦第八章 無師自通物以類聚，人以群分發現數據的形狀擁護享樂主義的機器人熟能生巧學會關聯第九章 解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網絡從休謨到你的家用機器人行星尺度機器學習醫生馬上來看你第十章 建立在機器學習之上的世界性、謊言和機器學習數碼鏡子充滿模型的社會分享與否？方式、地點如何？神經網絡搶了我的工作戰爭不屬于人類谷歌＋終極算法=天網？進化的第二部分
上傳時間： 2022-05-07
上傳用戶：
matlab數學建模算法全收錄 超清書簽版
上傳時間： 2013-05-15
上傳用戶：eeworm
視頻圖像格式轉換芯片的算法研究
上傳時間： 2013-05-25
上傳用戶：eeworm
微光與紅外成像技術
上傳時間： 2013-06-28
上傳用戶：eeworm
