-
仿生模式识别 目标跟踪
用仿生模式识别来训练目标，在视频序列中跟踪目标
function [sausage, num] = hypersausage_construct(P)
%按照样本给定的顺序去求解超香肠神经元
[~, W] = size(P);%W是训练样例的个数
sausage = [];
for i = 2:W
temp = power_two(P(:, i - 1), P(:, i));%构建第i-1个神经元 //temp是一个行向量
%temp = power_three(P(:, i - 2), P(:, i-1),P(:,i));
sausage = [sausage temp];
end
sausage = [sausage P(:, end)];
num = (size(sausage, 2) - 1) / (W - 1);
- 2023-08-13 14:40:03下载
- 积分：1
-
pid控制算法
利用pid控制算法可以实现减小漂移，p代表比例，i代表积分，d代表微分。pid算法实现闭环调节，在自平衡车，机器人，四轴飞行器方面用途广泛
- 2022-03-02 14:08:01下载
- 积分：1
-
逐次超松弛迭代法（逐次超松弛法，…
逐次超松驰迭代法(Successive Over Relaxation Me thod,简称SOR方法)是高斯―塞德尔方法的一种加速方法，是解大型稀疏矩阵方程组的有效方法之一，它具有计算公式简单，程序设计容易,占用计算机内存较少等优点,但需要较好的加速因子(即最佳松驰因子).下面我们首先说说松驰一词的含意,再利用它来解释雅可比迭代法与高斯―塞德尔迭代法,最后给出逐次超松驰迭代法的推算公式和收敛性条件.-Successive over relaxation iteration method (Successive Over Relaxation Me thod, called SOR method) is the Gauss- Seidel method for an accelerated method is solution of large sparse matrix equations, one effective method, it has a simple formula, programming easy, take up less computer memory, etc., but the need for better acceleration factor (that is, the best relaxation factor). Let us first talk about the meaning of the term relaxation, and then use it to explain the Jacobi s iterative method and the Gauss- Seidel iterative method, and finally gives successive over relaxation iterative method of projection formula and the convergence condition.
- 2022-03-31 14:51:19下载
- 积分：1
-
最佳一致逼近的里米兹算法
最佳一致逼近的里米兹算法-best approximation algorithm Meads Lane
- 2022-12-01 19:15:03下载
- 积分：1
-
oil commonly used unit conversion of suitable geophysical the people
石油常用单位换算,适合学地球物理方面的人-oil commonly used unit conversion of suitable geophysical the people
- 2023-04-08 03:40:03下载
- 积分：1
-
矩阵求逆 矩阵求逆 矩阵求逆
矩阵求逆 矩阵求逆 矩阵求逆 -matrix inversion
- 2023-04-14 18:30:04下载
- 积分：1
-
超长整数乘法源程序
超长整数乘法源程序-long integer multiplication source
- 2022-07-20 14:55:39下载
- 积分：1
-
问题分类
TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。
- 2022-02-24 18:34:48下载
- 积分：1
-
分支定界算法
用分支定界算法解决线性规划问题 约束条件为整数 采用分支 定界 剪枝获得最优解 减少计算量
- 2023-02-07 17:50:03下载
- 积分：1
-
k-means算法实现
数据挖掘 聚类算法 k-means的实现，改进了一些初始中心选取的方法。聚类算法是最大化类间差异，而最小化类内部差异的算法，k-means比较经典，但是缺点是需要指定k值，并且聚类结果与初始中心有很大的关系，通过改善聚类初始中心选取的方法，能够得到更加稳定的聚类结果
- 2022-01-26 07:33:13下载
- 积分：1
|
联系客服（QQ：3324461878）
