搜索资源列表
CA
- CA算法可以将数量型属性划分成若干个优化的区间，它综合了分层聚类于划分聚类的优点，对于给定的不同的初始类个数，CA算法能随着迭代过程的不断进展改变类的数目，一些竞争力差的类即类的基数小于给定阙值的类将在迭代过程中不断消失，最终得到能够有效体现数据实际分布情况的优化聚类个数。-CA algorithm for quantitative attributes can be divided into a number of the interval optimization, hierarchical
CAvsRELAX
- CA 和其改进 RELAX 算法的实现 对估计密集谱及弱频率成分有很好的效果- The implementation of CA and its improved algorithm RELAX have a good effect in estimating the intensity and weak spectrum of frequency components
OS_CFAR
- 众多恒虚警检测（CFAR）算法都是基于单元平均（CA:Cell Avarage）的方法，该算法需要较大的运算量。本程序给出了基于有序统计（OS:Order Statistic）的CFAR检测算法，弥补了CA_CFAR检测算法的不足，同时还配有本人硕士毕业论文中的检测图像以及实验结果，具有一定的参考价值。-CA_CFAR algorithm often requires large computational complexity. OS_CFAR algorithm is presented,
CA-CFAR
- 单元平均恒虚警检测——CA-CFAR检测器：包括对于无目标、仅有噪声的信号进行CA-CFAR检测的仿真，以及对于含目标、且在瑞利杂波背景下的CA算法仿真。一些程序主要是为了绘图，画出CA-CFAR检测过程中的信号波形以及检测门限对比图；而另一些程序是为了计算CA-CFAR检测过程中的检测概率和虚警概率。-CA-CFAR detectors: simulations of detection to signals with no target but noise only, as well as
SO-CFAR
- 最小选择恒虚警检测——SO-CFAR检测器：包括对于无目标、仅有噪声的信号进行SO-CFAR检测的仿真，以及对于含目标、且在瑞利杂波背景下的CA算法仿真。一些程序主要是为了绘图，画出SO-CFAR检测过程中的信号波形以及检测门限对比图；而另一些程序是为了计算SO-CFAR检测过程中的检测概率和虚警概率。-SO-CFAR detectors: simulations of detection to signals with no target but noise only, as well as
CA-CFAR_mtkl
- 实现了CA-CFAR算法仿真，得到其检测门限及检测概率曲线。并使用基于蒙特卡洛仿真方法得到检测门限及检测概率曲线，与传统的CA-CFAR算法进行了比较。-CA-CFAR algorithm to achieve the simulation, its detection threshold and detection probability curve. And use the resulting Based on Monte Carlo simulation method detection