搜索资源列表
复件 noisechk
- 可对噪声处理后的心电数据进行评价，既噪声的估计，用信噪比来评价的-noise can be dealt with right after the ECG data for evaluation, we estimate the noise used to evaluate the SNR
GM(1_1)
- GM(1,1)模型1-4 1：GM(1,1)模拟模型，在matlab中的输入方法为gm1（x），x指要模拟的序列。 2：GM(1,1)预测模型，在matlab中的输入方法为gm2（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 3：GM(1,1)群模拟模型，在matlab中的输入方法为gm3（x），x指要模拟的序列。 4：GM(1,1)群预测模型，在matlab中的输入方法为gm4（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预
ANewC4.5alg
- 经典的数据挖掘分类算法，由ID3算法演变而来。本算法主要用于处理连续属性值，基本过程如下： 1.根据属性的值对数据集排序 2.用不同的阈值将数据集动态的分类 3.迭代根据阈值进行划分 4.得到所有可能的阈值、增益以及增益比-classical classification of data mining algorithms, evolved from the ID3 algorithm. This is mainly used to deal with continuous at
s0604109
- 二质量浮筏振动频率计算(98.6),以及对于不同质量比,阻尼比 和干扰激励频率时的隔振效果计算,有数据压缩防溢出功能(98.4) 对每个弹性支承均求旋转变换矩阵,可用于辐射式布置(98.4)-two quality floating raft vibration frequency calculation (98.6), and for different quality than, damping ratio and interference at the excitation fre
kuaisupaixu
- 快速排序,快速排序是对冒泡排序的一种改进。它的基本思想是：通过一躺排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一不部分的所有数据都要小，然后再按次方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
bioinformatics by Baxevanis 中文版
- 随着人类基因组计划的实施，通过基因组测序，蛋白质序列测定结构解析等实验，分子生物学家提供了大量的有关生物分子的原始数据，需要利用现代计算技术对这些原始数据进行收集、整理、管理以便于检索使用。而为了解释和理解这些数据，还需要对数据进行比对、分析，建立计算模型，进行仿真、预测与验证，因而出现生物信息学，它的出现，极大的促进了分子生物学的发展。-With the human genome project implementation, through genome sequencing, protei
NN_Sim
- 利用神经网络进行数据仿真的工具，带有详细的使用说明，方便大家进行实验比对，也为开发BP程序提供了一个很好的例子。-A neural network simulation tool with detailed instructions to have experiment, also provided a good example for the development of BP.
DATAFUSION
- 借用模糊控制策略 ,与改进的BP 神经网络算法结合对其进行数据融合。在仿真中取得了比已往算法更高的精度 ,控制策略制定准确、 可靠。是一种较有潜力的多传感器数据融合方法。-Data fusion
12
- 本文所研究的二值图像游程编码数据压缩，就是一种具有高压缩比的无损数据压缩技术，它是应用游程编码的原理对二值图像进行数据压缩的编码技术，其编码非常简单，编码和解码速度快，因此其应用范围广泛。-This paper studied binary image run-length encoding data compression, is a high compression ratio of lossless data compression technology, which is the app
information-fusion-algorithm
- 本文利用模糊理论中的高斯隶属 度函数来获得模糊观测下具有概率特性的似然函数，并且由此似然函数得到每个传感器提供信息的可信度；再将各传感器的可 信度转化成基本概率赋值函数即mass 函数；最后利用证据理论对多传感器信息进行融合。对目标识别的仿真试验表明该方法获 得的结果比直接结果具有更高的精度和可靠性。-The method uses fuzzy theory in the Gaussian fuzzy membership function to obtain a probabl
dnaman
- 生物软件基因DNA引物设计,载体构建图，数据比对-Bio-genetic DNA primer design software, vector maps, data comparison
gravity
- 对自由落体运动进行仿真，并将仿真出来的数据与理论分析数据进行比对。-On the free fall simulation, and simulation and theoretical analysis of the data out of the data for comparison.
c
- 本次试验的主要要点是哈夫曼树的建立过程，这种算法的思路是： 1）依据给定的n个权值{W0，W1，……，Wn-1}构造n棵只有一个根结点的二叉树，这些二叉树组成一个森林F={T0，T1，……，Tn-1}。 2）在森林F中选取两棵根结点的权值最小的二叉树作为左、右子树合并成一棵新的二叉树，这棵新的二叉树的根结点的权值等于其左、右子树根结点的权值之和。这样一来，森林中就减少了一棵树。 3）重复上一步，直到森林F中只有一棵二叉树为止，这棵二叉树便是要得到的哈夫曼树 二叉树建立好之后，通过
数据加窗与混叠
- 对数据进行加窗处理（切比雪夫窗），加窗处理后然后再进行混叠处理，通过频域来看出加窗与混叠对数据的影响(Windowed data processing (Chebyshev window), windowed processing, and then aliasing processing, through the frequency domain to see the window and aliasing impact on the data)
fir_test
- 对输入的原始数据qqqq4444，qqqq4444数据需自己手动输入，进行低通滤波，然后进行快速傅里叶变换，最后算出距离(For input raw data, qqqq4444, qqqq4444 data need to be manually input, low-pass filtering, and then fast Fourier transform, and finally calculate the distance)
人脸识别
- 基于ssm框架搭建的，前端通过获取video标签?调用本地的摄像头(获取用户媒体对象,流媒体数据base64)，将流媒体数据画到convas画布上去?,后台调用百度API人脸识别接口，进入百度大脑搜索人脸识别即可获取官网的Secret Key，将前端获取的人脸信息的base64信息和你本地数据库里的人脸信息传到百度人脸识别的接口进行人脸比对，返回一个json数据，result参数 带别人脸相似度, result可自己定义，从而实现人脸识别登录(Based on the SSM framework
facesdk-FaceSDK-master
- 人脸识别SDK 采用C++编写，支持两张照片进行比对1:1，以及1：N 人脸搜索，SDK内部自己维护人脸特征数据，支持增、删、查找等操作，上层应用程序只需要关注自己的业务逻辑即可(Face recognition SDK is written in C++, supporting two photos to compare 1:1, and 1:N face search. SDK maintains its face feature data internally, and supports
RIOUQCW
- 数值计算方法相关的十个程序 包括对分法,迭代法,牛顿法,割线法,高斯消元法,雅克比迭代法程序,幂法,线性拟合态,()
数据拟合
- 进行数据的拟合，将预测与实际数据进行比对(Fitting the data and comparing the forecast with the actual data.)
t_tide_v1.1
- 计算潮汐调和常数，潮汐预测,潮流的预测，能够绘制各种预测图与原始图，两者可以进行比对从而得出观测站数据的结论(Computation of tidal harmonic constants, tidal predictions, tidal current predictions, the ability to plot various prediction maps and original maps, and the two can be compared to derive observa