搜索资源列表
BPrepresentation
- BP学习算法应用——函数表达 源代码实现了BPN的设计，使得通过训练后的BPN实现了函数表达，即BPN的输出与输入反映了特定的函数映射关系。代码中的具体应用实例为傅立叶核函数，应用BP学习算法拟合出傅立叶核函数，速度快，精度高。 将源文件F_core_discr iption.m文件放入matlab的work文件夹中直接运行即可。
poly_svm
- 核函数是利用支持向量机解决不可分问题时引入的一种非线性变换的手段。基本思想是通过非线性变换，使样本变换之后的特征空间中变得线性可分。然后利用线性可分时构造最优超平面的方法，在特征空间中实现最优超平面的求解。-Kernel function is the use of support vector machine to resolve the issue can not be separated from the introduction of a nonlinear transform mean
aishanercichazhi
- 为二次插值办法求二次函数程序，其中包括函数核运行语句-Approach for the quadratic interpolation function for secondary procedures, including the function of nuclear run statement
Spectrum_Sensing_of_SVM-
- 有认知无线电CR的论文和Matlab代码，进行传统频谱感知算法的能量检测实现与SVM分类算法实现，两个进行对比检测概率性能，还有生成SVM三种核函数的分类检测图与统计三个错误率，得出SVM算法优于能量检测算法-Cognitive radio CR papers and Matlab code, perform traditional spectrum sensing algorithms to achieve energy detection and SVM classification alg
seperate_kernel_standard
- 该函数是将三维核函数拆解为三个一维核函数，尽管只有部分三维核函数可以被准确拆解(如高斯核函数)，但该函数对于不能准确拆解的核函数仍可以采用最小二乘的办法拆解该函数，对于图像滤波，将三维核函数拆解为三个一维核函数的做法将在一定程度上提高滤波效率。 输入： H [h(1,1,1), h(1,2,1), h(1,3,1)] (第1层) [h(2,1,1), h(2,2,1), h(2,3,1)] [h(3,1,1), h(3,2,1), h(3,3,1)]
matlab-KICA
- kica-故障监测 通过对自回归模型中测量矩阵引入时滞参数得到一个适用于动态系统的增广矩阵；然后，选择核函数，计算核矩阵，将增广矩阵映射到高维空间进行白化；最后，利用改进的快速ICA方法提取出独立成分实现对新的测试数据进行在线监测-kica-Fault monitoring