网站首页

ChartCtrl.pdf

于 2020-06-05 发布

 0  315

下载积分: 1 下载次数: 3

我要下载

代码说明：

关于High-speed Charting Control--MFC绘制图表（折线图、饼图、柱形图）控件的文档

下载说明：请别用迅雷下载，失败请重下，重下不扣分！

发表评论

0 个回复

最简单m序列的生成，利用m序列生成新的伪随机序列
MATLAB源码，m序列的生成，可直接运行，并利用m序列生成新的伪随机序列。备注：CSDN老是主动加积分，这点很生气。我设的积分不多，如果没积分的话，直接和我说，给不给看心情，但不要说谎，下载明细我看的到的，积分不够的时候，我也用淘宝买过订单下过文件。真诚交流，拒绝借口！

2021-05-06下载

积分：1
经典配色软件（颜色搭配）
可以帮住网站开发人员进行配色，帮你跳出和谐相配的颜色！

2020-11-29下载

积分：1
入侵杂草优化算法matlab仿真程序
杂草优化算法（IWO）是一种受杂草启发而提出的、基于种群的数值优化计算方法，其执行过程是模拟杂草入侵过程的算法。在matlab环境中用m语言编程实现了IWO，并对其收敛性进行了仿真。

2020-12-02下载

积分：1
Chicken Swarm Optimization鸡群优化算法和Bird Swarm Algorithm鸟群算法源代码
Chicken Swarm Optimization（CSO）鸡群优化算法，2014年提出的群智能优化算法。Bird Swarm Algorithm（BSA）鸟群算法，2015年最新的群智能优化算法。作为两种全新的群智能优化算法，CSO和BSA都具有简单，良好扩展性的特点，是天然的多种群算法！http://cn.mathworks.com/matlabce ... 7597-xian-bing-meng有关算法信息，可在上述网站查询。希望对大家有用！

2020-12-05下载

积分：1
Linux系统基础教程.pdf
Linux系统基础教程.pdf

2020-03-01下载

积分：1
sklearn0.19中文文档
sklearn0.19中文文档 PDF格式高清。.1. 广义线性模型1.1.1. 普通最小二乘法1.1.1.1. 普通最小二乘法复杂度1.1.2. 岭回归1.1.2.1. 岭回归的复杂度1.1.2.2. 设置正则化参数：广义交叉验证1.1.3. Lasso1.1.3.1. 设置正则化参数1.1.3.1.1. 使用交叉验证1.1.3.1.2. 基于信息标准的模型选择1.1.3.1.3. 与 SVM 的正则化参数的比较1.1.4. 多任务 Lasso1.1.5. 弹性网络1.1.6. 多任务弹性网络1.1.7. 最小角回归1.1.8. LARS Lasso1.1.1.监督学习1.1.广义线性模型o1.1.1.普通最小二乘法1.1.1.1.普通最小二乘法复杂度o1.1.2.岭回归1.1.2.1.岭回归的复杂度1.1.22.设置正则化参数:广义交叉验证o 113. Lasso■1.1.3.1.设置正则化参数1.1.3.1.1.使用交叉验证■1.1.3.1.2.基于信息标准的模型选择1.1.3.1.3.与SVM的正则化参数的比较o1.1.4.多任务 Lassoo1.1.5.弹性网络o1.1.6.多任务弹性网络o1.1.7.最小角回归o.8. LARS Lasso■1.1.8.1.数学表达式o1.1.9.正交匹配追踪法(OMP)o1.1.10.贝叶斯回归1.1.10.1.贝叶斯岭回归1.1.10.2.主动相关决策理论-ARD1.1.11. logistic回归o1.1.12.随机梯度下降,SGDo1.1.13. Perceptron(感知器)o1.1.14. Passive Aggressive Algorithms(被动攻击算法)o1.1.15.稳健回归( Robustness regression):处理离群点( outliers)和模型错误1.1.15.1.各种使用场景与相关概念■1.1.15.2. RANSAC:随机抽样一致性算法( RANdomSAmple Consensus1.1.15.2.1.算法细节1.1.15.3.Thel-sen预估器:广义中值估计1.1.153.1.算法理论细节1.1.154. Huber回归1.1.155.注意1.1.16.多项式回归:用基函数展开线性模型1.2.线性和二次判别分析o1.2.1.使用线性判别分析来降维o12.2.LDA和QDA分类器的数学公式o123.LDA的降维数学公式o1.2.4. Shrinkage(收缩)o12.5.预估算法1.3.内核岭回归1.4.支持向量机o1.4.1.分类■1.4.1.1.多元分类■1.4.1.2.得分和概率1.4.1.3.非均衡问题1.4.2.回归o143.密度估计,异常( novelty)检测o1.4.4.复杂度o1.4.5.使用诀窍o1.4.6.核函数1.4.6.1.自定义核14.6.1.1.使用 python函数作为内核1.4.6.1.2.使用Gram矩阵14.6.1.3.RBF内核参数o1.4.7.数学公式1.4.7.1.sVC■1.4.7.2. NuSVo1.4.7.3.sVRo14.8.实现细节1.5.随机梯度下降o1.5.1.分类o1.5.2.回归1.5.3.稀疏数据的随机悌度下降o1.5.4.复杂度o1.5.5.实用小贴士o1.5.6.数学描述■1.5.6.1.SGDo1.5.7.实现细节1.6.最近邻o1.6.1.无监督最近邻■1.6.1.1.找到最近邻1.6.1.2. KDTree和 BallTree类1.62.最近邻分类o16.3.最近邻回归o1.6.4.最近邻算法1.64.1.暴力计算■1.6.4.2.K-D树1.64.3.Ba|树■1.6.4.4.最近邻算法的选择1.6.4.5.1 eaf size的影响o165.最近质心分类1.6.5.1.最近缩小质心1.7.高斯过程o1.7.1.高斯过程回归(GPR)o1.7.2.GPR示例1.7.2.1.具有噪声级的GPR估计1.722.GPR和内核岭回归( Kernel Ridge Regression)的比较1.7.2.3. Mauna loa co2数据中的GRRo1.7.3.高斯过程分类(GPC)o1.7.4.GPC示例1.7.4.1.GPC概率预测■1.74.2.GPC在XOR数据集上的举例说明■1.7.4.3.iris数据集上的高斯过程分类(GPC)o1.7.5.高斯过程内核1.7.5.1.高斯过程内核AP■1.7.5.2.基础内核■1.7.5.3.内核操作1.7.5.4.径向基函数内核1.7.5.5. Matern内核1.7.5.6.有理二次内核1.7.5.7.正弦平方内核1.7.58.点乘内核■1.7.5.9.参考文献o1.7.6.传统高斯过程1.7.6.1.回归实例介绍1.7.62.噪声数据拟合17.6.3.数学形式1.7.6.3.1.初始假设■1.7.6.32.最佳线性无偏预测(BLUP)1.7.6.3.3.经验最佳线性无偏估计( EBLUP)1.7.6.4.关联模型1.7.6.5.回归模型1.7.6.6.实现细节1.8.交叉分解1.9.朴素贝叶斯o1.9.1.高斯朴素贝叶斯o1.92.多项分布朴素贝叶斯1.9.3.伯努利朴素贝叶斯1.9.4.堆外朴素贝叶斯模型拟合1.10.决策树o1.10.1.分类o1.10.2.回归o1.10.3.多值输出问题o1.10.4.复杂度分析o1.10.5.实际使用技巧1.10.6.决策树算法:ID3,C4.5,c5.0和CARTo1.10.7.数学表达1.10.7.1.分类标准■1.10.7.2.回归标准1.11.集成方法o1.111. Bagging meta-estimator( Bagging元估计器)o1.11.2.由随机树组成的森林1.11.2.1.随机森林1.11.2.2.极限随机树1.11.2.3.参数1.11.24.并行化1.11.2.5.特征重要性评估1.11.2.6.完全随机树嵌入o 1.113. AdaBoost1.11.3.1.使用方法o1.114. Gradient Tree Boosting(梯度树提升)1.11.4.1.分类1.11.42.回归1.114.3.训练额外的弱学习器1.11.4.4.控制树的大小■1.11.4.5. Mathematical formulation(数学公式)■1.11.4.5.1. LoSS Functions(损失函数)1.114.6. Regularization(正则化)■1.14.6.1.收缩率( Shrinkage)■1.1.4.6.2.子采样( Subsampling)■1.11.4.7. Interpretation(解释性)1.114.7.1. Feature importance(特征重要性)1.114.7.2. Partial dependence(部分依赖)o1.11.5. Voting Classifier(投票分类器)1.115.1.多数类标等(又称为多数/硬投票)1.11.5.1.1.用法■1.11.52.加权平均概率(软投票)1.11.5.3.投票分类器( Voting Classifier)在网格搜索( Grid search)应用1.11.5.3.1.用法1.12.多类和多标签算法o1.12.1.多标签分类格式o1.12.2.1对其余1.122.1.多类学习1.122.2.多标签学习o1.12.3.1对11.12.3.1.多类别学习o1.12.4.误差校正输出代码1.12.4.1.多类别学习o1.12.5.多输出回归o1.12.6.多输出分类o1.12.7.链式分类器·1.13.特征选择1.13.1.移除低方差特征o1.13.2.单变量特征选择o1.13.3.递归式特征消除o1.13.4.使用 Select From Mode选取特征■1.13.4.1.基于L1的特征选取1.13.4.2.基于Tree(树)的特征选取1.13.5.特征选取作为 pipeline(管道)的一部分1.14.半监督学习o1.14.1.标签传播1.15.等式回归1.16.概率校准1.17.神经网络模型(有监督)o1.17.1.多层感知器o1.17.2.分类o1.17.3.回归o1.17.4.正则化o1.17.5.算法o1.17.6.复杂性o1.17.7.数学公式o1.178.实用技巧o1.17.9.使用 warm start的更多控制

2021-05-06下载

积分：1
ADRC自抗扰控制
ADRC的simulink模型（2015a），参数需要结合自身传递函数再做调整

2020-12-01下载

积分：1
ZYNQ中文资料书
中文版详细的ZYNQ基础知识，可以使刚接触ZYNQ有系统的认识。The zong book基于含有 ARM Cortex9的 Xilinx Zyng网-7000全可编程片上系统的嵌入式处理器se h. crockett ross a elliotMartin A. Enderwitz robert w. stewartJianfeng Lu(中文痂)Department of Electronic and Electrical EngineeringUniversity of StrathclydeScotland, uK翁恺博士Dr.K.Wen(h文翻译浙江大学(中国)第一版(中文版)This edition first published June 2016 by Strathclyde Academic MediaLouise h. crockett ross a. elliot, martin a. enderwitz and robert w. stewart开源许可此书既有印刷版又有电子版(PDF格式)。在衍生文件中明确标注参考内容初始来源的前提下,本书中任何文本和图表可以被复制,并用于非营利性的学术目的。参考格式应当遵循以下格式L.H. Crockett, R. A. Elliot, M. A. Enderwitz and R W. Stewart, The Zynq Book: Embedded Processing withthe ARM Cortex-A9 on the Xilinx Zynq-7000 All Programmable Soc, First Edition, Strathclyde AcademicMedia, 2016将本书中内容用于其他非营利性学术目的的,请联系info@zyngbook.com。此书不能以原始的格式使用,也不能被末授权的第三方机构销售。习题教材习题教材在本书的官方网站上发布:www.zynqbook.com参考此习题教材同样适用于开源许可条及在本页其他位看提到的警告和免麦声明警告和免责声明作者、出版人在硏究所包含的课趑和编写例懃时,已经尽了最大的努力来提供准确、最新的信息。本着倣得最好的理念,书中包含的材料以“原样”的形式提供,但是无论是作者还是出版人没有任何明确或者隐含的承诺来保证书中所包含内容的准确性。书中包含的任何信息直接或间接导致的任冋损失、损坏,作者和岀版人将不会承担法律责任。商标ARM, Cortex,AMBA, Thumb和 Trustzone都是ARM有限公司(或其子公司)在欧洲和(或)世界其他各地注册的商标。保留所有权利NECN是ARM有跟公司(或其子公司)在欧洲和(或)世界其他各地的商标。保留所有权利。此出版物是独立的,不属于ARM有限公司。ARM有限公司也没有认可、赞劻或授权此出版物Xinx(xinx公司的logo),Artⅸ,ISE, Kintex, LogiCORE, Petalogix, Spartan, virtex,vⅳado,zynq,和Web pAck是 Xilinx注册的商标。保留所有权利。MATLAB和 Simulink是 MathWork5公司注册的商标。Linux的是 Linus torvalds在美国和其他国家注册的商标。本书中使用的所有其他商标属于其各自的公司。本书中使用这些商标并不意味着本书拥有、认可这些商标。目录前言作者简介XXI鸭谢章节引言鲁鲁D自。自。自d看非鲁鲁。音D鲁。111zynq的片上系统12嵌入式SoC的简单剖析…..13设计重用14提升抽象层级1.5S0C设计流16实践单元17关于本书18参考文献PART A开始了解Zynq…13章节2Zynq芯片(“是什么”)1521处理器系统211应用处理器单元(APU)212关丁ARM模式…202.1.3处理器系统外部接口2122可编程逻辑22221逻辑部分2.2.2特殊资源:DSP48E1和块RAM522.3通用输入/输出28224通信接口2.2.5其他可编程逻辑扩展接1|……2923处理器系统与可编程逻辑的接口………30231AXI标准…3023.2AXⅠ互联和接口…23.3EMI0接口…342.34共他PL-PS信号3424安全241安仝引导,3524.2硬件支持3624.3运行时刻安全3625Zynq-7000系列成员…3926本章回顾4027架构参考指南4128参考文献4章节3zynq设计指南(“如何使用它?”)…473.1入门∴1483.11获取设计工具…3.12开发工具内部版本和证书31.3设计工具功能3.14第三方工具3.1.5系统安装和需求513.2设计流程概述32.1需求和技术参数…3.2,2系统设计···543.2.3硬件开发和测试324软件开发和测试…583.2.5系统集成和测试603.3S0C设计团队6034使用 Vivado进行以IP为重点的系统级设计35ISE和 Vivado设计套件3.51特性比较64352升级到Vl vado3.6开发板3.6.1 Zynq-7000 SoC ZC702 Evaluation Kit .....673.6.2 Zynq-7000 Soc video imaging kit693.6.3 Zyng-7000 ZC706 Evaluation kit693.6.4 ZedBoard63.6.5ZYB06936.6第三方开发板70367附件和扩展36.8使用开发板工作723.7支持和文档38章节回顾39参考文献章节4芯片比较(“为什么我需要Zyna?”)中中4.1芯片选择的条件42比较一:Zynq对FPGA80421Ⅶ icroblaze处理器8042,2Ⅶ icroblaze单片机系统844.2.3 Picoblaze854.2.4 ARM Cortex-M8542.5其他处理器类型…8542.6总结说明8743比较二:Zynq对标准处理器89431处理器操作89432执行分机433总结说明9444比较三:Zynq对分立的FPGA处理器组合45拓展Zynq架构和设计流9646本章回顾47参考文献…99章节5应用和机会(“拿它能做什么?”).1015.1应用的概述,10251.1汽车102512通信5.1.3防务和航空航大∴1035.14机器人、控制和仪器1045.1.5图像和视频处理l0451.6医药1055.1.7高性能计算(HPC)1055.18其他及未来的应用10552何时Zynq真的有用...1065.3通信:软仆定义无线电(SDR)107531在无线通信中的趋势10753,2介绍软件定义无线电(SDR)l08533SDR的实现和授权技术108534认知无线电54智能系统和智能网络11154.1什么是智能系统542智能系统的例子112543智能网络:智能系统的通信114544相关桃念∴5.5图像和视频处理,及计算机视觉5.5.1图像与视频处理1155.5,2计算机视觉…116553抽象的层级…..1175.54图像处理系统的实现1185.55Zynq上的计算机视觉的例子:道路标识识别…12056动态片上系统12156.1运行时刻系统灵活性121562动态部分重配置(DPR)12156.3DPR应用的例子…564DPR的好处…..124571什么是生态系统?系统57更多的机会:zynq的“生态,125125572有什么机会?12658本章回顾1285.9参考文献………128章节6 The Zedboard∴1336.1介绍Zed…336.2 edboard系统架构1346.3 Zedboard设计流程13664 SeaBoard入门」137641盒子里有什么?137642使件安装13764.3烧写 Zedboard1386.5 MicroZed14266文档,教程和支持14266.1关」 Zedboard的文档…126.62演小和教程14366.3在线课程…14366,4其他 Zedboard资源和支持14467 Zedboard.org社区…144671社区工程44672博客144673支持论坛14568本章回顾14569参考文献146章节7教育、研究和培训∴…自看·鲁。非。鲁自。自。鲁。鲁自普●。。●音。。鲁D。。。。自着垂··。音。鲁D1477.1技术趋势和SoC教育1487.2大学用Zynq教学149721用 Xilinx工具和板教学149722数字设计和FPGA教学…150723计算机科学…150724嵌入式系统和SOC设计1507.2.5算法实现(如信号、图像和视频处理15172.6设计重用152727新的和正在出现的设计方法15372.8传感、机器人和原型154729一个例子课程15473项日和竞争74学术研究75 Xilinx大学计划(XUP)15875,1介绍XUP752软件技术和许可158753XUP开发和教学板…159754XUP研讨会和培训材料159755对大学的投术支持1607.5.6资格160757联系XUP1607.6企业培训1607.6.1诛程的授权的培训提供者…1607.6.2其他资源16176.3在线视频l6177本章回顾16178参考文献章节8 Zynq的第一个工程.658.1软件安装指导目标和结果16683练习1A概述…ss………s……I6684练习1B概述1678.5练习1C概述l6886可能的扩展16987接下来是什么?16988参考文献169PART BZynq Soc&硬件设计。告D。垂D。0。春DD。。。。B看D。。。l71章节9嵌入式系统和FPGA.7391什么是嵌入式系统?173911应用1174912一般嵌入式系统架构…..17592处理器2.1协处理器17922处理器 cache177923执行周期179924中断18393总线184

2020-12-11下载

积分：1
matlab流形学习算法工具包&matlab机器学习算法软件包&matlab svm toolkit
There are three matlab toolkits in this zip file. 1,一个包含丰富内容的流形学习算法工具包,有图形示例文件demo.fig,包括laplacian特征映射算法.流形规则调整.svm分类算法等内容,希望对研究机器学习的朋友有用.2,一个机器学习算法软件包,包括神经网络,模糊逻辑,支持向量机,采用MATLAB平台实现,3,支持向量机Matlab工具箱1.0 BY 陆振波，更详细的软件请见他的网页blog.这是一个精简版，还有五个svm 工具箱，我也收集在我的资源里，有兴趣请help yourself. Note：one of the progra

2020-12-01下载

积分：1
摄像头坐标系，图像坐标系，世界坐标系的转换
详细介绍了摄像头坐标系，图像坐标系，世界坐标系的转换过程

2020-12-01下载

积分：1

696516资源总数
106918会员总数
4今日下载

ChartCtrl.pdf

0 个回复

热门标签

热门下载