搜索资源列表
fx-3600p
- Fx-3600pv计算器是日本CASIO公司的产品，它除了具备函数型计算器的全部功能之外，还具备如下特殊功能： 1、二进制和八进制字组显示； 2、二进制、八进制、十进制和十六进制的转换和加、减、乘、除运算。 3、进行f（x）函数的输入与积分的计算； 4、进行标准差和回归计算。 每一台Fx-3600pv计算器都具备一本说明书，该计算器各部键的功能以及操作方法，只要认真按照说明书各章节学习，很快就能掌握和运用。现将我在生产实践中应用的部分计算程序介绍给测绘界的同行以便共同探讨。-
fx-4800p
- Fx-4800P计算器是日本Casio公司的产品，它除了具备函数型计算器的全部功能之外，还具备如下特殊功能： 1、二进制和八进制字组显示； 2、二进制、八进制、十进制和十六进制的转换和加、减、乘、除运算。 3、进行f（x）函数的输入与积分的计算； 4、进行标准差和回归计算。 每一台Fx-4800P计算器都具备一本说明书，该计算器各部键的功能以及操作方法，只要认真按照说明书各章节学习，很快就能掌握和运用，现将我在生产实践中应用的部分计算程序介绍给测绘界的同行以便共同探讨。-Fx
DLL_server
- 动态链接库中,使用回归函数能实现参数的传递.
setupbasepack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_mathpack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_chempack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_guipack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
libsvm-2.89
- LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、 易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、 n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ） 等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可 以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概 率估计等.
AutoRegression
- 数学统计分析基本函数，自回归分析，包括AIC，FPE等确定阶数。-Autogression
VC-multi-regress
- 用MFC编了一个多元线性回归，在视窗口显示回归函数，待处理的数据也在压缩文件内。-MFC series with a multiple linear regression, the regression function, as the window displays when the processed data is also compressed document.
support-vector-machine
- 支持向量机非线性回归通用matlab程序，本程序使用支持向量机法，实现对数据的非线性回归，核函数的设定和修改在函数内部进行，数据预处理在函数外部进行，简单易懂，希望能对大家有所帮助-Universal non-linear regression support vector machine matlab program, this program uses support vector machine method to achieve non-linear regression of data
libsvm_src_2.6NOTE
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
libsvm-mat-2[1].9-11
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
chapter7_2
- RBF网络的回归-非线性函数回归的实现 -The return of the RBF network- nonlinear function return
svm
- SVM本身是针对经典的二分类问题提出的，支持向量回归机（Support Vector Regression，SVR）是支持向量在函数回归领域的应用(SVM itself is proposed for the classical two classification problem. Support Vector Regression (SVR) is the application of support vector in the field of function regression)
ElasticNet
- 用线性回归，逻辑回归等各种方法来拟合函数曲线(Linear regression, logistic regression, fitted function curve)
案例7
- RBF神经网络的回归，实例为非线性函数拟合。(RBF neural network regression, nonlinear function fitting)
lwppredict
- LWP是一种Matlab / Octave工具箱实现局部加权多项式回归（也被称为局部回归/局部加权散点平滑/黄土/ LOWESS和核平滑）。使用此工具箱，您可以使用九个具有度量窗口宽度或最近邻窗口宽度的任意一个内核来拟合任意维度的数据的局部多项式。还提供了一个优化内核带宽的函数。优化可采用留一交叉验证，GCV，AICC、AIC，FPE，T，执行，或单独的验证数据。鲁棒拟合也可用。(LWP is a Matlab/Octave toolbox implementing Locally Weight
一种快速稳健高斯回归滤波算法_孔明
- 针对稳健高斯回归滤波器运行速度过慢的问题，利用截断高斯权函数的快速卷积提高了算法 运行速度。在详细分析稳健高斯回归滤波器和卷积函数的基础上，推导了截断高斯权函数，并通过实验 确定了合适的参数值。(convolution of the truncated Gauss weight function is used to improve the algorithm. Running speed. Based on the detailed analysis of the robust Gauss r
predict
- 基于高斯核函数对数据进行偏最小二乘估计，并进行回归分析(Partial Least Squares Estimation of Data Based on Gauss Kernel Function)