關(guān)于關(guān)聯(lián)向量機(jī)應(yīng)用的最新文獻(xiàn)！ 提出了一種核主元分析(KPCA)和關(guān)聯(lián)向量機(jī)(RVM)相結(jié)合的組合建模方法。KPCA-RVM采用KPCA對(duì)原始自變量進(jìn)行非線性變換并提取主成分,形成特征自變量 采用RVM,對(duì)KPCA變換后的樣本數(shù)據(jù)進(jìn)行回歸建模,并根據(jù)模型的預(yù)報(bào)能力自適應(yīng)的確定參與回歸的最佳特征變量個(gè)數(shù),消除冗余信息干擾,獲得強(qiáng)非線性表達(dá)能力且預(yù)報(bào)性能良好的模型。并將KPCA-RVM應(yīng)用于PTA裝置對(duì)羧基苯甲醛(4-CBA)含量的軟測量建模,結(jié)果表明該方法預(yù)測精度高于PCA-RVM和RVM。
標(biāo)簽： KPCA KPCA-RVM RVM 向量機(jī)
上傳時(shí)間： 2013-12-20
上傳用戶：ddddddos
稠油熱采直井吞吐凈現(xiàn)值計(jì)算，考慮匯率以及所得稅，原理是動(dòng)態(tài)經(jīng)濟(jì)評(píng)價(jià)法，需要輸入每年的產(chǎn)油量和注氣量。
標(biāo)簽： 計(jì)算
上傳時(shí)間： 2017-06-27
上傳用戶：aig85
圖像的邊緣是指圖像中鄰域灰度有顯著變化 的像素的集合。它是圖像的基本特征, 因此邊緣檢 測方法在圖像處理中成為一個(gè)十分重要的課題。經(jīng) 典的邊緣提取方法是考察圖像的每個(gè)像素在某個(gè)鄰 域內(nèi)灰度的變化, 利用邊緣鄰近一階或二階方向?qū)? 數(shù)變化規(guī)律, 用簡單的方法檢測邊緣。但是, 因?yàn)檫? 緣和噪聲都是高頻信號(hào), 因此許多經(jīng)典邊緣檢測算 法很難在邊緣和噪聲中做出取舍。在眾多的邊緣檢 測算子中, 算子因?yàn)榫哂袃?yōu)良的邊緣檢測能 力, 因此在圖像處理中得到廣泛應(yīng)用。
上傳時(shí)間： 2014-01-08
上傳用戶：zhanditian
計(jì)算矩陣特征值和特征向量的Jacobi算法之程序?qū)崿F(xiàn)
上傳時(shí)間： 2014-01-19
上傳用戶：天誠24
采用身高和體重?cái)?shù)據(jù)作為特征，分別假設(shè)二者相關(guān)或不相關(guān)，在正態(tài)分布假設(shè)下估計(jì)概率密度，建立最小錯(cuò)誤率Bayes分類器，寫出得到的決策規(guī)則，將該分類器應(yīng)用到訓(xùn)練/測試樣本，考察訓(xùn)練/測試錯(cuò)誤情況。
標(biāo)簽： 數(shù)據(jù) 特征
上傳時(shí)間： 2017-07-04
上傳用戶：jyycc
MATLAB 下的模式識(shí)別特征提取 用于對(duì)特征信號(hào)的提取
標(biāo)簽： MATLAB 模式識(shí)別 信號(hào) 特征提取
上傳時(shí)間： 2017-07-05
上傳用戶：asdfasdfd
旋轉(zhuǎn)不變技術(shù)估計(jì)信號(hào)參數(shù)(ESPRIT)算法是子空間估計(jì)的兩個(gè)經(jīng)典方法,它們都能夠有效地估計(jì)特征子空間。程序包里面實(shí)現(xiàn)了用LS估計(jì)和TLS估計(jì)的ESPRIT算法。
上傳時(shí)間： 2013-12-24
上傳用戶：duoshen1989
在蓄電池應(yīng)用領(lǐng)域, 鉛酸蓄電池以可靠、電容量大、維護(hù)簡單等特點(diǎn)占有很大的市場。本文太陽能鉛酸蓄電 池的充電方案采用了在單片機(jī)領(lǐng)域應(yīng)用最廣的51 單片機(jī), 依靠adc 進(jìn)行模擬量數(shù)據(jù)采集并在51 上采用軟件實(shí)現(xiàn)pwm 算法 對(duì)12v 鉛酸蓄電池進(jìn)行( 三段精細(xì)) 充電控制, 得到良好的控制效果?；?1 單片機(jī)的鉛酸蓄電池充電器的實(shí)現(xiàn)
標(biāo)簽： adc 單片機(jī) 蓄電池 應(yīng)用領(lǐng)域
上傳時(shí)間： 2017-07-13
上傳用戶：123啊
生物識(shí)別技術(shù)在科研領(lǐng)域取 得了極大的重視和發(fā)展。由于生物特征是人的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個(gè) 體差異性，因此是身份驗(yàn)證的最理想依據(jù)川。其中，利用人臉特征進(jìn)行身份驗(yàn)證又是 最自然直接的手段，與指紋、虹膜、掌紋等其他人體生物特征識(shí)別系統(tǒng)相比，人臉識(shí) 別系統(tǒng)更加友好，方便，易于為用戶所接受，有廣闊的應(yīng)用領(lǐng)域。
標(biāo)簽： 生物識(shí)別技術(shù) 發(fā)展 特征 科研
上傳時(shí)間： 2013-12-29
上傳用戶：dancnc
多生物特征融合身份識(shí)別研究。身份識(shí)別是當(dāng)今社會(huì)不可避免的一個(gè)問題，生物特征身份識(shí)別作為一種安全 而有效的手段一直受到廣大研究者的重視。針對(duì)單模態(tài)生物特征身份識(shí)別技術(shù) 的局限性和實(shí)際應(yīng)用中的各種限制，本論文就最近興起地基于數(shù)據(jù)融合技術(shù)的 多生物特征身份識(shí)別進(jìn)行了研究和探討。這項(xiàng)工作雖然還處于剛剛起步階段， 但是，作為信息安全不可缺少的重要手段，它的研究和應(yīng)用必將引起大家的重 視而飛速地發(fā)展。
上傳時(shí)間： 2014-12-05
上傳用戶：woshini123456
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
