機(jī)率神經(jīng)網(wǎng)路分類器之高階合成。對(duì)研究概率神經(jīng)網(wǎng)絡(luò)很有幫助的。質(zhì)量很高的論文
標(biāo)簽： 分 合成 概率神經(jīng)網(wǎng)絡(luò) 質(zhì)量
上傳時(shí)間： 2016-04-07
上傳用戶：jcljkh
類神經(jīng)網(wǎng)路中的RBF matlab toolbox
上傳時(shí)間： 2016-07-22
上傳用戶：daguda
內(nèi)涵模糊理論與類神經(jīng)網(wǎng)路的程式碼...提供初學(xué)者做研究參考
上傳時(shí)間： 2013-12-24
上傳用戶：yyyyyyyyyy
類神經(jīng)網(wǎng)路的BK演算法，已驗(yàn)證過可以使用。
標(biāo)簽： 算法
上傳時(shí)間： 2016-10-23
上傳用戶：kr770906
類神經(jīng)網(wǎng)路的RBF這對(duì)於任何研究都非常之友幫助歡迎下載內(nèi)有說明
標(biāo)簽： RBF
上傳時(shí)間： 2014-01-04
上傳用戶：英雄
利用遞迴式模糊類神經(jīng)網(wǎng)路(recerrent neural networks system identification, RFNN)進(jìn)行系統(tǒng)辨識(shí), 自己寫的請(qǐng)多包含
標(biāo)簽： identification recerrent networks neural
上傳時(shí)間： 2017-02-27
上傳用戶：LIKE
類神經(jīng)網(wǎng)路 後傳遞演算法 沒有的人可以參考一下該文件
標(biāo)簽： 算法
上傳時(shí)間： 2014-01-27
上傳用戶：hphh
跟類神經(jīng)網(wǎng)路有點(diǎn)像的東西， 不過現(xiàn)今最常拿來就是做分類也就是說，如果我有一堆已經(jīng)分好類的東西 （可是分類的依據(jù)是未知的！） ，那當(dāng)收到新的東西時(shí)， SVM 可以預(yù)測(cè) (predict) 新的資料要分到哪一堆去。
標(biāo)簽：
上傳時(shí)間： 2014-01-18
上傳用戶：hasan2015
MATLAB小波分析 是張德豐 編著的那本黃色書上的源代碼
上傳時(shí)間： 2013-06-01
上傳用戶：15679277906
目前，小波分析在信息技術(shù)和其他學(xué)科方面的應(yīng)用是眾多科技工作者關(guān)心的課題。在理論方面，新觀點(diǎn)、新方法不斷涌現(xiàn)。本文旨在完善小波的基本理論，對(duì)原有的小波去噪方法作進(jìn)一步的改進(jìn)。 經(jīng)典的信號(hào)處理方法，例如傅立葉變換、短時(shí)傅立葉變換等具有局限性，因而限定了它們的應(yīng)用范圍。小波分析作為一種全新的信號(hào)處理方法，它將信號(hào)中各種不同的頻率成分分解到互不重疊的頻帶上，為信號(hào)濾波、信噪分離和特征提取提供了有效途徑，特別在信號(hào)去噪方面顯出了獨(dú)特的優(yōu)勢(shì)。本文介紹了經(jīng)典的去噪方法，并對(duì)其適用范圍和效果進(jìn)行了分析和比較。并且，討論了小波分析的基本理論，介紹了連續(xù)小波變換、離散小波變換和小波變換的快速分解與重構(gòu)算法，最后研究了小波基的數(shù)學(xué)特性，分析了它們對(duì)實(shí)際應(yīng)用的影響和作用。進(jìn)而，介紹了小波的幾種去噪方法：小波變換高頻系數(shù)置零去噪方法、小波變換模極大值去噪方法、小波閾值去噪方法、小波空域相關(guān)性去噪方法。用小波變換將高頻系數(shù)強(qiáng)制置零去噪的方法是比較方便的，但它的不足之處是經(jīng)將高頻系數(shù)強(qiáng)制置零去噪后重構(gòu)的信號(hào)會(huì)使信號(hào)丟失一些細(xì)節(jié)，且小波基的選擇亦有相當(dāng)?shù)碾y度，只有靠經(jīng)驗(yàn)來確定，不過比傳統(tǒng)的濾波方法所得的效果還是要好。對(duì)于小波變換模極大值去噪的原理，分析了去噪過程中幾個(gè)參數(shù)的選取問題，并給出了一些選取依據(jù)；對(duì)小波閾值去噪方法的幾個(gè)關(guān)鍵問題進(jìn)行了詳細(xì)討論。對(duì)閾值去噪進(jìn)行了改進(jìn)，利用均值逼近與閾值去噪相結(jié)合的方法來實(shí)現(xiàn)信號(hào)的處理，并通過實(shí)驗(yàn)仿真實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明該方法提高了信噪比，去噪效果優(yōu)于單獨(dú)應(yīng)用閾值去噪的方法。 在空域相關(guān)去噪算法的基礎(chǔ)上，進(jìn)行了改進(jìn)，利用閾值濾波與相關(guān)去噪算法相結(jié)合的一種組合去噪算法，仿真試驗(yàn)結(jié)果表明，由該算法濾波之后得到的小波系數(shù)不僅連續(xù)性好，準(zhǔn)確率高，而且易于重構(gòu)信號(hào)。 本文分別對(duì)這四種方法進(jìn)行了算法分析比較，通過實(shí)驗(yàn)仿真來實(shí)現(xiàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。實(shí)驗(yàn)仿真結(jié)果表明了利用小波分析理論對(duì)信號(hào)去噪的可行性和有效性。 關(guān)鍵詞：小波分析，信號(hào)去噪，閾值，均值逼近，空域相關(guān)
標(biāo)簽： 小波分析 信號(hào)去噪 中的應(yīng)用
上傳時(shí)間： 2013-07-19
上傳用戶：啊颯颯大師的
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
