网站首页

光栅投影三维精密测量-达飞鹏

于 2021-04-01 发布

 0  291

下载积分: 1 下载次数: 0

我要下载

代码说明：

光栅投影三维精密测量-达飞鹏

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

基于MSP430超声波测距系统的设计与开发（开发文档，源代码，电路图）
本设计以单片机 MSP430F149 作为控制核心，实现超声波测距。系统由以下部分组成：单片机最小系统模块、超声波测距模块、温度测量模块、LCD 显示模块。超声波测距模块采用超声波传感器，发射管自动发送 40KHZ 的方波，当其检测到障碍物时就会返回信号，利用时间差测出距离。温度测量模块采用温度传感器 DS18B20。最后将所测量的数据在显示器上显示出来。整个系统实现功能为根据温度的不同选择相应的声速来实现距离的测量。

2020-11-28下载

积分：1
风力发电机组的控制技术
一本比较好懂的关于风电控制方面的书籍，作者：叶航冶

2020-11-29下载

积分：1
Matlab实现QR二维码的生成与识别
用Matlab编程实现QR二维码的生成与识别，内含zxing-core-1.7和zxing-j2se-1.7的Zxing开源库，下载下来即可运行使用，无需再去下载相应的Zxing开源库，另外本资源将QR二维码编解码分别封装为函数了，这样使用起来方便。

2020-12-05下载

积分：1
遗传算法的无功优化matlab实现
基于遗传算法的无功优化matlab实现方法软件包，调试基本通过，可直接下载应用，具体例子可以自己修改一下原代码.

2020-11-06下载

积分：1
贝叶斯统计
优秀的贝叶斯统计学入门教材，简单明了，包含贝叶斯统计学的思想精华，值得一看高等院校统叶学写业规划教材贝叶斯统计峁诗松編著中团先计齿坂社京)新登字041号图书在版编目(CP数据贝叶斯统计/茆诗松编著一北京:中国统计出版衬,1999.9高等院校统计学规划教材ISN75037-29309.茆QI.贝叶斯统计-高等学校-教材IV.0212中国版本图惊CIP数据核字(1999第10216号作者虾诗松贲狂编辑/军责任校对:刘开颜封面设计:张建民出版发行中国统计版社通信地址/北京市二里河月坛街7号邮政编码09826办公地址/北点市丰台区哐三坏南路甲6号电话09)63459084、6326660(发行部印刷科伦克三莱印务(北京)有限公司经钠/新华书店斤本850×116mm132子数6千子印张{8.6印数/1-5)(册版别/上9910月第1版版次19作10月第1次印刷节号/SRN7-5037-2939.34定价15.6元中国统汁版图书,版权所有,侵权必究中国统计版图书,如有印装错误,本社发行部负责调换出版诜明“九五”期闾是我国社会主义市场经濟体制逐步完著和发展重要时期,一方面,随着髙等教育体制改革和统计改革的深入发展,对统计教育模式和统计人才培养目标都提出新的要求,另一方面科学技术的飞速发展也促使统计技术发生了重大交革,新理论、新方法畑新技穴不断涌现并被应用于统计实践活应这新形勢的需要,全国统计教树编审委员会制定了《1996-200年国统计教树建设规划》,根据《规划》的要求,编委会采取招标的方式组织全国有关院校的专家、学者编写了这批统计学专业“规教材”。这批教材力求以邓小理论为指早,在总结“八五”蝴间规捌统计教材建设经验的基础上,认真贯彻以下原则:①理论紧密联系实际的原则;巴解放思想、转变观念、大脰探索、努亦创新的原则;正确处理继承与发展关系的原则。通过不懈努力,把这批教材建设成为质量高,迺应性預、面向21世纪的新教材扫信通过这批教材的出版、发行;对推动我国统计教育改革和加快更新、改造我国统计教材体系、教村内容的岁伐将起到积极的促进作用,同时对我国统计教材建设也将起到較好的示范、导向作用。限于水平和经验这批教材的编宇、出版工作还会有缺点和不足处,诚恳欢迎教杖的使用单位、广大教师和同学们提出批评和建议全国統计教材編审委员会999年3月本书是按照全囯统计斆材编审委员会指定的《頃叶斯统计》編与大纲鳊写的,是供全倒商等学校玩计专业大学生知研究生学的教科与。贝叶斯统计在近50年中发展很快,内睿愈来食丰窨。这盟只选用其中最基不鄙分构成本书,相当一学期的肉容,本节力图疴学汀过传统的概率统计(颎率学派)课程的学生展示贝汁斯汽计的基本面貌,也使他们能了解员叶斯统计的基本思想,掌握叶疬统计的基本方法,为在实际中使用和研究贝叶斯统计打下了苠好的基础木书共六章,可分二部分。前三章国绕先验分布介绍贝叶所推断方法。后三章绕损失函数介绍贝叶斯决策方法。阅读这些内容仅需要攪率统计基本知识就部了。本书力剂利生劢衣趣的例于来说明贝"斯统计的基本想想和基本方法,尽量使读老对贝叶药统计产生兴趣,引发读者使用以叶斯方法去认识和解洪实际问题的望。进而云丰瘩和发展队叶蜥统计。假如学生的兴趣被钧出来,愿望被引出来,那么讲授这一门课的目的也基本达到贝叶斯统计是在与经典统计的争论中逐渐发展起来的。争论的闩题有:末知參数是酉可以看作随机变量?事件的慨率是否一定要有频率解释?概率是否可用经验兴确定?在这些河题的争论中贝叶斯学派建立起自已的理论与,在全球传播三有百年史的经與统计对统讦学的发展稗应屎起了巨大佐用,钽时乜暴露了一些问题。在小祥本问研究二、在区估计的解释}、在似然原理釣认识上等问题经典统计也受到只圬斯学派的评,在这出批评中贝叶斯学派也在不断完善叶斯计计决策论斯分析》一书在1980年和1985年熠继二畈问世把贝叶斯统计作了较完塾的叙述。在近20中只吐浙统计在实际中叉获得广泛的应用,I991年和I995年在美国连续岀版了二本《 Case studies in Bayesian Statistics》。使贝叶斯纨十在理论上刘实际上以及它们的结合上都得到了长足的发展。惧怕使用贝叶斯统计思想得到克服。如今贝汁斯统计也定进教室,打破经典统计独占教室的一统天下的局面,这不能不说是贝吽斯统计发展中的一些重要标志。贝叶斯统计已成为统计学中一个不可缺少的部分,相陀之下,贝叶斯统计在我国射应用与发展岢属起步阶長,但我厨有很好的发展叶斯统计的氛围。只要大家努力,如汁斯统计在我国一定能迅速发展,跟上世界主流。本书编写卣始至终得到国冢统计局教育中心的关心和帮助,有他们的督促,本书还会延期出版。上海财经大学张尧庭教授和中国人民大学的吴喜之教授耐心细致地审阅了全书,提出许多贵意见,笔者都认真考虑,并作修改.这使仝书增色不少。另外,何基报、硬娟、孙汊杰等阅读书稿,提出宇贵意见,还帮助打印会书,在此一并表丞感谢由于繃者水平有限,淮确表达只叶斯学派的各种观点并非易辜、错谬之处在所难凭,恳请国内同行和广大读若批评指正茆许松1999年1月30日2第·章先验分布与后验分布种信息总体信息样本信贝叶斯公式信息贝叶斯公式的密度函数形式共细女辱粉分在是三种信息的综合、共轭先验分布、后验分布的计算、共轭先验分布的优缺点四、常用的共轭先验分布超参数及其确定一、利用先验矩、利用完验分位数、利用验矩和先验分位数四、其它方法多参数模型充分统计量习题第二章贝叶斯推断条件方法佔计贝叶斯估计、贝叶斯估计的误差区间估计可信区间最大后验密度可信区间假设检验假设检验、贝叶斯因子三、简单假设对简单假设Q⊙四、复杂假设e对复杂假设回五、简单原假设对复杂的备择假设预测似然原理第三章先验分布的确定主观概率主观概率确定主观概率的方法利用先验信息确定先验分布、直方图法二、选定先验密度函数形式再估计其超参教三、定分度法与变分度法利用边缘分布确定先验密度、边缘分布二、混合分布、先验选择的四、先验选择的矩方法无信息先验分布贝叶斯假设一、位置参数的无信息先验尺度参数的无信息先验信息阵确定无信息先验多层先验多层先验、多层模型习题第四章泆策中的收益、损失与效用决策问趣的三妻素决策问题决策问题的三素决策准贝行动的容许性决策准则先验期望准则先验期望准则、两个性质损失函数从收益到损失、损大凶数损大凶数下的悲观准则四、损失凶数下的先验期望准则常用损失函数效用函数效用和效用函数效用的测定效用尺度四、常见的效用曲线五、用效用函数作决策的例子六、从效用到损失第五章贝叶斯决策贝叶斯决策问题后验风险准则验风殓决策函数后验风险准则常用损失数下的贝叶斯估计方损失函数下的贝叶斯估计二、线性损失函数下的贝叶斯估计限个行动问趣的假设检验抽样信息期望值完全信息期望值抽样信息期望值最佳样本量的确定抽样净益最佳样本量及其上界最佳样本量的求二行动线性决簧问题的正态分布下二行动线性决策问题的先验仄塔分布下二行动线性决策问题的先验、伽冯分布下二行动线性决策问题的先验习题第六章统计决策理论风险函数风险函数决策函数的最优性、统计决策中的点估计问题四、统计决策中的区间估计问题五、统计决策中的假没检验问题容许性、决策函数的容许性最小最大准则、最小最大准则最小最大估计的容许性贝叶斯风险贝叶斯风险贝叶期风险准则与后验风险准则的等价性贝叶期估计的性质俯录常用概率分布表附录标准正态分布函数Φ7表参考文献附录页录第一章先验分布与后验分布(1§1.]二种片息总体信息样本信2)、无验信息……公】.2贝叶斯公式………、贝叶斯公式的密度燃数形式(6)厅验分布是三种倍息的综合(8〕共轭先验分布…………〔13轭先验介布13、后验分布的计算甲血1■■日血血■D■三、共轭先验分布的优缺点、常用的共轲先验分布由■冒血…(19超郄数及其确定……利用光验矩、利用先验分位数三、利用先验矩和先验分位数…………阿、其它方法多参数模型1.6充分统计t……甲看省看甲『看■p甲P看■2031第二章贝叶斯推断2.1条件方法§2.2秸计36贝时斯估计

2021-05-07下载

积分：1
关于GPS信号产生、捕获跟踪、比特同步、帧同步的仿真程序
关于GPS信号产生、捕获跟踪、比特同步、帧同步的仿真程序

2020-12-04下载

积分：1
基于MATLAB车牌识别源代码
本源码是基于MATLAB实现车牌识别并语音播报。本系统针对家庭小型车蓝底白字车牌进行识别。根据彩色图像的RGB比例定位出近似蓝色的候选区域。但是由于RGB三原色空间中两点间的欧氏距离与颜色距离不成线性比例，在设定蓝色区域的定位范围时不能很好的控制。因此造成的定位出错是最主要的。这样在图片中出现较多的蓝色背景情况下识别率会下降，不能有效提取车牌区域。对此本文提出了自适应调节方案。对分割出来的区域进行识别调整。根据长宽比，蓝白色比对候选区域进行多次定位。最终找到车牌区域。对字符正确识别之后，用事先对对每一个字符的录音根据对应字符顺序播放。在对车牌区域识别出错、字体分割出错时程序暂停，并有语音提

2021-05-06下载

积分：1
51单片机上的AD-DA转换程序，分别由汇编和C编写
51单片机上的AD-DA转换程序，分别由汇编和C编写。经验证，能成功运行

2021-05-07下载

积分：1
【PDF】《Machine learning A Probabilistic Perspective》 MLAPP；by Kevin Murphy
完整版，带目录，机器学习必备经典；大部头要用力啃。Machine learning A Probabilistic PerspectiveMachine LearningA Probabilistic PerspectiveKevin P. MurphyThe mit PressCambridge, MassachusettsLondon, Englando 2012 Massachusetts Institute of TechnologyAll rights reserved. No part of this book may be reproduced in any form by any electronic or mechanicalmeans(including photocopying, recording, or information storage and retrieval)without permission inwriting from the publisherFor information about special quantity discounts, please email special_sales@mitpress. mit. eduThis book was set in the HEx programming language by the author. Printed and bound in the UnitedStates of AmLibrary of Congress Cataloging-in-Publication InformationMurphy, Kevin Png:a piobabilistctive/Kevin P. Murphyp. cm. -(Adaptive computation and machine learning series)Includes bibliographical references and indexisBn 978-0-262-01802-9 (hardcover: alk. paper1. Machine learning. 2. Probabilities. I. TitleQ325.5M872012006.31-dc232012004558109876This book is dedicated to alessandro, Michael and stefanoand to the memory of gerard Joseph murphyContentsPreactXXVII1 IntroductionMachine learning: what and why?1..1Types of machine learning1.2 Supervised learning1.2.1Classification 31.2.2 Regression 83 Unsupervised learning 91.3.11.3.2Discovering latent factors 111.3.3 Discovering graph structure 131.3.4 Matrix completion 141.4 Some basic concepts in machine learning 161.4.1Parametric vs non-parametric models 161.4.2 A simple non-parametric classifier: K-nearest neighbors 161.4.3 The curse of dimensionality 181.4.4 Parametric models for classification and regression 191.4.5Linear regression 191.4.6Logistic regression1.4.7 Overfitting 221.4.8Model selection1.4.9No free lunch theorem242 Probability2.1 Introduction 272.2 A brief review of probability theory 282. 2. 1 Discrete random variables 282. 2.2 Fundamental rules 282.2.3B292. 2. 4 Independence and conditional independence 302. 2. 5 Continuous random variable32CONTENTS2.2.6 Quantiles 332.2.7 Mean and variance 332.3 Some common discrete distributions 342.3.1The binomial and bernoulli distributions 342.3.2 The multinomial and multinoulli distributions 352. 3.3 The Poisson distribution 372.3.4 The empirical distribution 372.4 Some common continuous distributions 382.4.1 Gaussian (normal) distribution 382.4.2Dte pdf 392.4.3 The Laplace distribution 412.4.4 The gamma distribution 412.4.5 The beta distribution 422.4.6 Pareto distribution2.5 Joint probability distributions 442.5.1Covariance and correlation442.5.2 The multivariate gaussian2.5.3 Multivariate Student t distribution 462.5.4 Dirichlet distribution 472.6 Transformations of random variables 492. 6. 1 Linear transformations 492.6.2 General transformations 502.6.3 Central limit theorem 512.7 Monte Carlo approximation 522.7.1 Example: change of variables, the MC way 532.7.2 Example: estimating T by Monte Carlo integration2.7.3 Accuracy of Monte Carlo approximation 542.8 Information theory562.8.1Entropy2.8.2 KL dive572.8.3 Mutual information 593 Generative models for discrete data 653.1 Introducti653.2 Bayesian concept learning 653.2.1Likelihood673.2.2 Prior 673.2.3P683.2.4Postedictive distribution3.2.5 A more complex prior 723.3 The beta-binomial model 723.3.1 Likelihood 733.3.2Prior743.3.3 Poster3.3.4Posterior predictive distributionCONTENTS3.4 The Dirichlet-multinomial model 783. 4. 1 Likelihood 793.4.2 Prior 793.4.3 Posterior 793.4.4Posterior predictive813.5 Naive Bayes classifiers 823.5.1 Model fitting 833.5.2 Using the model for prediction 853.5.3 The log-sum-exp trick 803.5.4 Feature selection using mutual information 863.5.5 Classifying documents using bag of words 84 Gaussian models4.1 Introduction974.1.1Notation974. 1.2 Basics 974. 1.3 MlE for an mvn 994.1.4 Maximum entropy derivation of the gaussian 1014.2 Gaussian discriminant analysis 1014.2.1 Quadratic discriminant analysis(QDA) 1024.2.2 Linear discriminant analysis (LDA) 1034.2.3 Two-claSs LDA 1044.2.4 MLE for discriminant analysis 1064.2.5 Strategies for preventing overfitting 1064.2.6 Regularized LDA* 104.2.7 Diagonal LDA4.2.8 Nearest shrunken centroids classifier1094.3 Inference in jointly Gaussian distributions 1104.3.1Statement of the result 1114.3.2 Examples4.3.3 Information form 1154.3.4 Proof of the result 1164.4 Linear Gaussian systems 1194.4.1Statement of the result 1194.4.2 Examples 1204.4.3 Proof of the result1244.5 Digression: The Wishart distribution4.5. 1 Inverse Wishart distribution 1264.5.2 Visualizing the wishart distribution* 1274.6 Inferring the parameters of an MVn 1274.6.1 Posterior distribution of u 1284.6.2 Posterior distribution of e1284.6.3 Posterior distribution of u and 2* 1324.6.4 Sensor fusion with unknown precisions 138

2020-12-10下载

积分：1
flink核心源码(追源索骥：透过源码看懂Flink核心框架的执行流程.pdf)
Flink是大数据处理领域最近很火的一个开源的分布式、高性能的流式处理框架，其对数据的处理可以达到毫秒级别。本文以一个来自官网的WordCount例子为引，全面阐述flink的核心架构及执行流程，希望读者可以借此更加深入的理解Flink逻辑

2020-07-03下载

积分：1

696516资源总数
106409会员总数
8今日下载

光栅投影三维精密测量-达飞鹏

0 个回复

热门标签

热门下载