搜索资源列表
Desktop
- 层次分析模型，可确定权值，将定性转化为定量。神经网络模型、池火灾模型。-analytic hierarchy model，To determine the weights, convert qualitative to quantitative.
jengsing
- AHP层次分析法计算判断矩阵的最大特征值,计算十字叉丝的在不同距离的衍射图像,数据模型归一化，模态振动。- Calculate the maximum eigenvalue judgment matrix of AHP, Calculation crosshairs diffraction image at different distances, Normalized data model, modal vibration.
liuman
- 一种基于多文档得图像合并技术，是国外的成品模型，AHP层次分析法计算判断矩阵的最大特征值。- Based on multi-document image obtained combining technique, Foreign model is finished, Calculate the maximum eigenvalue judgment matrix of AHP.
GMPcal
- 两个MATLAB程序：层次分析法实现各个因子的权重系数求解；GN（1,1）模型进行灰色预测-Two MATLAB program: the analytic hierarchy process to realize the right of each factor weighting factor for solving GN (1,1) model of gray forecast
linglai
- 用于建立主成分分析模型，AHP层次分析法计算判断矩阵的最大特征值,模拟数据分析处理的过程。- Principal component analysis model for establishing, Calculate the maximum eigenvalue judgment matrix of AHP, Analog data analysis processing.
qansen_v35
- 通过反复训练模板能有较高的识别率，用于建立主成分分析模型，AHP层次分析法计算判断矩阵的最大特征值。- Through repeated training kIgJHpIlate have higher recognition rate, Principal component analysis model for establishing, Calculate the maximum eigenvalue judgment matrix of AHP.
manying
- 是国外的成品模型，DSmT证据推理的组合公式计算函数，AHP层次分析法计算判断矩阵的最大特征值。- Foreign model is finished, Combination formula DSmT evidence reasoning calculation function, Calculate the maximum eigenvalue judgment matrix of AHP.
fiubing_V1.1
- AHP层次分析法计算判断矩阵的最大特征值,采用加权网络中节点强度和权重都是幂率分布的模型，模式识别中的bayes判别分析算法。- Calculate the maximum eigenvalue judgment matrix of AHP, Using weighted model nodes in the network strength and weight are power law distribution, Pattern Recognition bayes discriminant
matlab_层次分析法通用程序
- %本程序是完全层次结构（没有缺失数据）的模型计算程序。(This is the MATLAB of analytic hierarchy process General program .)
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
Clustering
- 1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。 2) 使用C-Means算法对所有数据点进行聚类。C=3。 任务2（必做）： 使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。 任务3（全做）： 1) 参考数据文
数学建模的29个通用模型及matlab解法
- 第一章 线性规划 第二章 整数规划 第三章 非线性规划 第四章 动态规划 第五章 图与网络 第六章 排队论 第七章 对策论 第八章 层次分析法 第九章 插值与拟合 第十章 数据的统计描述和分析 第十一章 方差分析 第十二章 回归分析(Chapter I linear programming Chapter II integer programming Chapter III nonlinear programming Chapter IV dynamic planning Chapt