有關于bp神經網絡隱層如何采用RBF的隱層自學習方法的C語言程序
上傳時間： 2013-12-17
上傳用戶：gonuiln
德州儀器新款DSP TMS320C2834X 晶片 SCI 自動 BAUD 偵測程式設計.
上傳時間： 2013-12-01
上傳用戶：ayfeixiao
一個C語言自判斷的論文，是吉林省某碩士生所寫
上傳時間： 2014-01-23
上傳用戶：gdgzhym
神經網絡bp自學習算法的c++實現，是實際工程的一部分。
上傳時間： 2014-12-08
上傳用戶：Zxcvbnm
通過C#發送自定義的html格式郵件,支持pop3，需要自動發送報表,這個就很方便
上傳時間： 2016-07-27
上傳用戶：tlango1o2o3
樓術描述項: (1).該項目中"我的電腦"是作者自定義的root節點,沒有設定其路徑,所以BeforeExpand事件中會從它開始依次遍歷,但"我的電腦"會提示"沒有指定路徑".故需要if(e.Tag.ToString() != "我的電腦")判斷.同時"我的文檔"需要再次獲取其路徑,依次實現Add子節點; (2).同時在"我的文檔"和盤符中需要添加tNode.Nodes.Add("")加載空節點形成+號,如果沒有該+號,BeforeExpend事件不會被調用,子目錄無法獲取加載,在BeforeExpand事件調用TreeViewItems.Add加載其子結點需要e.Nodes.Clear();清除該結點的子目錄再加載. (3).提供兩篇類似文章供大家學習,經過對比可以發現:第一篇僅從驅動器(C盤)開始加載,所以BeforeExpend簡單展開子目錄即可,不需要判斷"我的電腦"和"我的文檔".第二篇含"桌面",因此需要判斷路徑:"C# TreeView磁盤文件,AfterSelect顯示加號-駱駝祥子" 和"Treeview樹狀顯示文件夾" .同時補充一篇很優秀的文章供大家學習"WinForm應用：ListView做圖像瀏覽" (4).補充TreeView(樹視圖)事件:更詳細見"c# 樹狀視圖(TreeView類)". 事件 描述 AfterCheck 在選中節點復選框后引發 AfterCollapse 在折疊一個節點后引發 AfterExpand 在擴展一個節點后引發 AfterSelect 在選中一個節點后引發 BeforeCheck 在選中節點復選框之前引發 BeforeCollapse 在折疊一個節點之前引發 BeforeExpand 在擴展一個節點之前引發 BeforeSelect 在選中一個節點之前引發 (5).補充兩個關于論壇討論"c#怎樣動態讀取資源文件里的圖片"和"在C＃中怎么調用Resources文件中的圖片" (6).在《C#典型模塊與項目實戰大全》(清華大學出版社-丁士鋒)書中談到,出于對程序響應性能考慮,它先加載盤符結點,沒有使用遞歸一次性加載所有文件到樹狀列表中,代碼通過AfterSelect事件和FileSystemWatcher控件,監聽加載.并使用線程池Task更新加載TreeView,希望大家去學習. 總結 該篇通過TreeView加載了磁盤目錄路徑,并通過ImageList加載圖標.那么怎樣實現閱讀文件夾下文件,獲取其圖標、文件大小、擴展名等信息,并雙擊打開文件呢?下一篇將接著講述.最后希望該文章對大家有所幫助,文章中很多鏈接都可以供覺得有用的同學學習,感謝上面提到的文章及書籍作者.同時如果文章中有錯誤或不足之處請原諒,有問題或建議者亦可提出.希望尊重作者勞動果實勿噴.
上傳時間： 2016-08-15
上傳用戶：baobao9437
C++自寫String類,使用動態數組存儲輸入的內容,添加 拼接 格式化等
標簽： String
上傳時間： 2020-06-12
上傳用戶：lace520
該文件為西門子上的PID控制，已經成功移植，西門子PID程序(FB58)的C代碼帶自整定功能(當你讀懂后你就能體會偉大的西門子過程控制的精妙以及STEP7命名的由來)
上傳時間： 2022-06-09
上傳用戶：
使用STM32制作的自適應濾波器，LMS算法實現，C語言實現
上傳時間： 2022-06-29
上傳用戶：
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據實驗分析，選擇Donoho閾值函數結合多級閾值的方法作為心音信號預處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，其性能優于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據對3M Littmann（） Stethoscopes[31]數據庫中標準心音信號的時頻分析結果，提取8組特征數據，通過Fihser降維處理方法提取出了實現分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據心音信號特征向量組成的散點圖，研究了支持向量機核函數、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準則的核函數參數與松弛變量的優化方法，建立了心音信號分類的支持向量機模型，選取標準數據庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數據作為支持向量機的學習樣本，對余下的每類20組數據進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統。本文以MATLAB語言的可視化功能實現了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態鏈接，實現對心音信號分析數據的存儲以及統計功能；最后，通過對心音信號2維特征向量的分析，實現心音信號的自動識別功能。 本文的研究特色主要體現在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，但由于用于分類的心臟雜音信號種類及數據量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
