數(shù)值分析中的常用方法,包括解方程,列主元高斯消去法解方程組,最小二乘擬合,插值,數(shù)值積分等,通過調(diào)試,全部可用.
標(biāo)簽： 方程 數(shù)值分析 常用方法 插值
上傳時(shí)間： 2016-07-21
上傳用戶：haohaoxuexi
在DS-spread spectrum系統(tǒng)中,噪聲為加性高斯白噪聲,傳統(tǒng)單用戶檢測(cè),線性解相關(guān)多用戶檢測(cè)和最小均方誤差多用戶檢測(cè)的性能比較
標(biāo)簽： DS-spread spectrum 多用戶檢測(cè)
上傳時(shí)間： 2016-07-23
上傳用戶：busterman
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
模擬煺火算法,學(xué)人工智能的時(shí)候?qū)懙囊粋€(gè)小程序,準(zhǔn)確率還是很高的.
標(biāo)簽： 模擬 人工智能 準(zhǔn)確率 算法
上傳時(shí)間： 2014-08-17
上傳用戶：nairui21
色彩空間轉(zhuǎn)換Hdl代碼,效率較高,門級(jí)優(yōu)化極佳.面積小.
上傳時(shí)間： 2014-10-28
上傳用戶：wendy15
在系統(tǒng)辨識(shí)過程中的多步最小二乘方法,比一步最小二乘精度更高
標(biāo)簽： 系統(tǒng)辨識(shí) 精度 過程
上傳時(shí)間： 2014-01-04
上傳用戶：牛布牛
一個(gè)可以用手機(jī)和電腦來發(fā)彩信的小程序
上傳時(shí)間： 2013-12-15
上傳用戶：aix008
一個(gè)模擬幸運(yùn)52的小游戲~ 系統(tǒng)給出各種圖片給用戶來猜測(cè)價(jià)錢~ 無論猜高或者猜低都有提示~ 論猜的水平就要看用戶的水平了~ 可玩性較高！
上傳時(shí)間： 2014-05-30
上傳用戶：redmoons
k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 Matlab 源代碼，以蘭花數(shù)據(jù)集作為測(cè)試對(duì)象。
標(biāo)簽： 聚類 k-means 對(duì)象 算法
上傳時(shí)間： 2014-01-21
上傳用戶：2525775
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
