-
upf
关于粒子滤波算法的介绍，并附有matlab程序说明，希望大家喜欢.(鹿 脴脫脷脕 拢 脳 脫脗脣 虏 篓 脣茫 篓 渭脛 陆 茅脡脺 拢卢虏垄赂陆 脫脨matlab 鲁 脤脨貌脣渭脙 梅 拢 卢 脧 拢 脥没)
- 2008-05-07 11:28:49下载
- 积分：1
-
10000
基于Matlab的移动通信中多径衰落信道的仿真(Matlab-based mobile communications in the multipath fading channel simulation)
- 2010-05-14 16:12:49下载
- 积分：1
-
fangjia
房价的模拟与现实对比，得根据具体数据来对程序进行适当的调整，希望有用(Compare simulated and real house prices, by the specific data to make an appropriate adjustment to the program, seek to help)
- 2011-06-20 09:27:56下载
- 积分：1
-
channalmodel
在信道仿真中，对接收信号进行滤波等处理，以便于接收器对信号的接收和处理。(the channel simulation, the received signal is filtered, etc., in order to receive the signal is received and processed.)
- 2007-05-20 11:18:29下载
- 积分：1
-
subdir
creates a list of all the subdirectories in a specific folder
- 2011-08-31 08:29:41下载
- 积分：1
-
Matlab_Mean_Shift
edison mean shift for matlab
- 2013-09-30 01:27:08下载
- 积分：1
-
Image-Sparse-Representation-Model
完备图像稀疏表示是一种最新的图像表示模型，采用过完备字典中原子的线性组合形式实现图像的稀疏表示．传统
的过完备图像稀疏表示模型采用重建误差的平方和作为保真项．该保真项没有充分考虑到人眼对图像的感知特性，无法度量图
像中边缘、轮廓、纹理等局部几何结构的变化．本文基于过完备稀疏表示理论思想，建立了新的稀疏性正则化的图像稀疏表示模
型．模型中的正则项约束图像表示系数的稀疏性，保真项采用更符合视觉感知的结构相似性度量．基于正交匹配追踪算法，提出
了基于结构相似度的正交匹配追踪算法．实验结果表示，新的模型能够更好地重构图像的结构信息，获得更好的重建视觉效果．
(Image Sparse Representation
Model bed StmctIlral
SiIIIilarity
)
- 2014-10-27 10:43:29下载
- 积分：1
-
oo-ELM
优化的基线学习机，收敛速度快，可用于分类和拟合(The baseline learning machine optimization, fast convergence speed, and can be used for classification and curve fitting)
- 2015-01-12 17:16:02下载
- 积分：1
-
m10_9
一维自组织特征映射网络对输入向量空间进行识别分类(One-dimensional self-organizing feature map network input vector space to identify categories)
- 2009-03-12 11:25:27下载
- 积分：1
-
a
说明： 基于密度的聚类算法因其抗噪声能力强和能发现任意形状的簇等优点，在聚类分析中被广泛采用，本文提出
的基于相对密度的聚类算法，在继承上述优点的基础上。有效地解决了基于密度的聚类结果对参数值过于敏感、参数
值难以设置以厦高密度簇完全被相连的低密度簇所包含等问题。(Density-based clustering algorithm because of its strong resistance to noise and can find clusters of arbitrary shape, etc., in the cluster analysis is widely used, the proposed clustering algorithm based on the relative density, in succession on the basis of the above-mentioned advantages. Effectively solve the density-based clustering results on the parameter value is too sensitive, difficult to set the parameter value to high-density clusters of buildings connected to the low-density clusters are completely contained and other issues.)
- 2010-12-06 16:31:17下载
- 积分：1
