搜索资源列表
Mie_abcd
- 计算mie散射中的散射系数，an，bn，cn，dn 在研究粒子散射问题时很关键
Projectjohu123006
- crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下：
Squre
- 使用最小二乘法的一次性计算公式来估计y(i) = b0 + b1 * x + b2 * x^2 + b3 * x^3 + ...... bn * x^n中b0, b1, ..., bn的值,并显示你和的曲线.-use of least squares method of the one-time formula to estimate y (i) = b0 b1 b2 * x * x ^ 2 b x ^ 3 * 3 * ...... bn x ^ n b0, b1, ..., bn value,
Squre2
- 对于多项式y(i) = b0 + b1 * x + b2 * x^2 + b3 * x^3 + ...... bn * x^n 用递推最小二乘法来估计上式中的b0, b1, ..., bn-for polynomial y (i) = b0 b1 b2 * x * x * b3 ^ 2 x ^ 3 ...... bn * x ^ n recursive least squares method used to estimate the on-belts, b1, ..., bn
Mie_abcd
- Mie散射理论系数的计算程序，an，bn，cn，dn的计算是Mie散射理论的核心。本程序为函数形式，可以在程序中简单调用，便于使用。
求逆阵
- 202用列主元消取法解线性方程 ***********★*******★********★************ 一．功能 当线性方程组有唯一解时求其解 。 二．算法简介消元过程，设方程组为 Ax=b (1)公式（1）有增广矩阵 a11 a12….a1n b1 a21 a22…a2n b2 (A,B)= ………………. an1 an2…ann bn-out with the main 202 yuan Consumers copying solution of linear equations
L_D
- 用Matlab程序实现P阶Levinson-Durbin算法。以一个2阶自回归模型（参数为b0=1, a1=0, a2=0.81）和一个2阶滑动平均模型（参数为b0=1, b1=1, b2=1）为例，选取观测数据长度为1000，分别用一个AR(2)模型和一个AR(10)阶模型来估计其功率谱。设激励信号模型的高斯白噪声的均值为0，方差为1。用Levinson-Durbin算法迭代计算AR模型参数，并用估计出的AR模型参数画出观测信号的功率谱。并对Levinson-Durbin算法的性能进行分析。-
PiCalculator
- 这个算法是平方收敛的（每次迭代有效位数增加一倍）， 这样要求到Q位有效数字，就至少要log2Q+1次迭代 显然，这种计算是要高精度表示的， 我所用的算法就是普通的高精度加减乘除 加减是O(n)的，时间花费很少。 乘除是O(n2)的，主要的时间花费都在这上面。 而由这个算法中可以看到，bn的计算需要开根号。 这里有两种开根号的办法： ①用初中教我们的方法，每次开两位根号，用除法减掉， 这样所需时间为n2·n/2=O(n3),不可忍受！ ②用牛顿迭
90253940whiteblackpoint
- 给出你设计的求解下面问题算法的伪代码并分析复杂性：设B={b1,b2, ,bn} 和 W={w1,w2, ,wn}为平面上黑点和白点的两个集合。一个黑点bi=(xi, yi )与一个白点wj=(xj, yj ) 匹配当且仅当xi≥xj 和yi≥yj 。设计一个贪心算法，找出黑白点之间的最大匹配数目。算法的复杂性要尽量接近nlgn. -Give your algorithm designed to solve the following pseudo code and the problem of
Mie
- mie散射的参数计算。包含mie系数an,bn,cn,dn和部分重要参量。-mie scattering parameter calculation. Contains mie coefficients an, bn, cn, dn, and some important parameters.
RP094_VOL.5-2234
- artithe intelligent virtual environment in an artificial fish of virtual auditory system is designed in this paper. Firstly, the model of artificial fish of auditory system in intelligent virtual environment (IVE) is built. Secondly, two-laye
Try-to-write-A-more-B
- 设A＝（a1， ……，am）和B＝（b1，……，bn）均为顺序表，A’和B’分别为A和B中除去最大共同前缀后的子表 试写一个比较A，B大小的算法-Set A = (a1,......, am) and B = (b1,......, bn) are all order list, A "and" B for A and B were removed after the son of the most common prefix table Try to write A more A, B
src
- // 求多元回归方程：Y = B0 + B1X1 + B2X2 + ...BnXn // data[rows*cols]二维数组；X1i,X2i,...Xni,Yi (i=0 to rows-1) // rows：数据行数；cols数据列数；Answer[cols]：返回回归系数数组(B0,B1...Bn)-generalized least squares
bn
- Brain Brain-State State-in in-a-Box (BSB) Neural Network. Here a BSB neural network is implemented. It is an autoassociative memory.
Bayesian
- Builds BN from topological structure information and probability model and predict diagnose from evidences using BN inference
2013082711183910
- 对于由n个未知数，n个方程组成的组多元一次方程组： a11X1+a12X2+．．．+a1nXn = b1 a21X1+a22X2+．．．+a2nXn = b2 ．．．．．． an1X1+an2X2+．．．+annXn = bn 写成矩阵形式为Ax=b，其中A为系数n*n方阵，x为n个变量构成列向量，b为n个常数项构成列向量。当它的系数矩阵可逆，或者说对应的行列式|A|不等于0的时候，由Ax=b可得：x=b*A-1 ，A-1为A的逆矩阵。-For the group consi
xm_LeakMax_MainProg_Alarm
- BN网络建模，Alarm标准案例中的节点参数学习算法，基于Noisy-Max模型-Based Noisy-Max model，Parameters Learning of Bayesian Networks for Alarm Case
xm_LeakMax_MainProg_Hepar
- 基于因果独立模型的Hepar网络参数学习算法，Hepar网络是BN学习中常用的标准案例-Parameters Learning of Bayesian Networks Based on Independence of Causal Influence Model for Hepar Case
sklearn-tree-BN-knn
- 分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the dat
BN例子
- 贝叶斯网络应用的一个例子，吸烟患病模型 1建立贝叶斯网络结构并制定条件概率表 2画出建立好的贝叶斯网络 3输入证据,进行推理 4显示推理结果(An example of a Bayesian network application, the smoking model 1 Establish a Bayesian network structure and establish a conditional probability table 2 draw a well-establis