搜索资源列表
基于分层结构的网络入侵检测模型的研究与实现
- 学术论文-theses <based on support vector machines Intrusion Detection System>
emluator-design
- 本文首先分析了软件调试技术的两种调试模型和硬件调试技术的几种调试方式，并对软硬件调试的优缺点进行了对比分析。然后具体研究了仿真开发平台IshIl框架，仿真运行机制和调试系统的工作流程。最后设计并实现了一种基于仿真开发平台的调试系统。它包含仿真交叉调试和软件OcD调试，提供友好的调试界面，使用统一的调试命令接口，可扩展支持多种调试通信协议和不同协议的调试器。仿真交叉调试子系统根据程序有无操作系统支持，提出了两种调试模型。宿主机端封装GDB调试器为核心，目标机端的调试代理与仿真运行环境管理器协作完成
qpc_4.5.02
- QP量子编程最新源码 QP: Quantum Programming QP是一个通用的事件驱动框架，面向MCU，面向并发的层次式状态机模型。 QP包含了1个轻量级的QK（Quantum Kernel）。 QEP：Quantum Event Processor是一个通用的，可移植的，可重用的状态机引擎。 QEP允许你直接把UML样式的状态图映射为代码。 QEP提供了传统的简单平面状态机和层次式状态机。QEP可以直接操作事件队列和事件分发机制。 QF是一个通用的，事件驱动
MATLA_xiangliang_B_X_L_P
- 基于MATLAB支持向量机实验模型研究与设计 支持向量机作为一种优秀的学习方法，它具有理论完备、适应性强、全局优化、训练时间短、泛化性能好等优点，已成为当前国际机器学习界的研究热点，有着很好的应用前景。-MATLAB-based support vector machine experimental model of research and design support vector machine as an excellent way to learn, it has the adva
AdMachine
- linux 下用qt c++做的一个简单广告机的基础模型-linux with qt c++ under to do a simple advertising machine model
HMM_SVM
- 用matlab实现的基于马尔科夫模型和支持向量机的人脸识别系统。非原创，运行了效果很好，功能很强大。具体功能：可根据训练与测试样本生成数据库；计算人脸识别率（96.5 ）；可以识别出指定的图像；可以识别摄像头获取的人脸图像。-Matlab based on markov model and support vector machine (SVM) face recognition system. The original, run the effect is very good, the fun
cpu
- 通过一台模型机的设计过程，明确计算机的控制原理与控制过程，巩固和灵活应用所学的理论知识，掌握计算机组成的一般设计方法-General design approach through a model of the design process, clear the computer' s Control Principle and process consolidation and flexible application of the theoretical knowledge, mast
pso1
- 基于粒子群算法的电力系统负荷分配问题（1）数学模型： 以IEEE 3机6节点为工况模型 ，Load=850MW （2）目标函数： minF=∑(i=1，Ng)Fi(PGi)，Fi(PGi) =aiPi2+biPi+ci+Ei，考虑阀点(Valve-Point)效应 （3）约束条件： a.发电机组输出功率上下限约束，即PGi min<=PGi<= PGimax； b.电力负荷平衡约束，忽略网损，即∑(i=1，Ng)（PGi）= PGD-Based on part
qpcpp_5.3.1
- 学习QP的范例，可以非常好的应用自己的程序上，非常好的状态机模型.-Learning QP example, it can be very good application on their own procedures, very good state machine model.
SVM
- 交叉验证法寻优的支持向量机突水预测模型，带突水原始数据库-Support vector machine prediction model of water inrush optimization of cross-validation with water inrush original
deepLearning-master
- 深度学习模型,将当前的模型中主要的进行实现，包括受限玻尔兹曼机，深度智信网等-deep learning，RBM，DBN,SDA,RBM
monitor-recorder
- SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块SeetaFace Detection、面部特征点定位模块SeetaFace Alignment以及人脸特征提取与比对模块SeetaFace Identification。 主要功能： 人脸检测模块(SeetaFace Detection): 采用了一种结合传统人造特征与多层感知机（MLP）的级联结构，在FDDB上达到了84.4 的召回率（100个误检时），并可在单个i7