搜索资源列表
pso_in_SD
- 最新SD期刊上关于改进型PSO算法，我是通过学校内部数据库在SD下载的哦！包括《A dynamic inertia weight particle swarm optimization algorithm》、《Adaptive Particle Swarm Optimization》、《Cyber Swarm Algorithms – Improving particle swarm optimization using adaptive memory strategies》。这三篇都是比较有研
ann
- 介绍了一种基于神经网络白化匹配滤波器的QRS 波检测方法。我们用神经网络白化匹配滤波器来处 理ECG 信号的低频成分, 模拟其非线性及非稳态的特性。处理后的信号中含有ECG 中大部分高频成分, 让其通过 一线性匹配滤波器来检测QRS 波及其位置。对于大噪声的ECG 信号, 在匹配滤波器后加差分滤波, 取平方及滑动 平均等处理, 提高检测正确率。使用这种方法我们对M IT?B IH 心电信号数据库中噪声比较大的105号数据进行的 处理, 检测正确率为9912 。作为对比, 用数字
dbscan
- DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。 -DBSCAN (Density-Based Spatial Clustering of Applications with Noise) is a more represent
face-recogonition
- 主要用于进行人脸检测功能，同时用比较数据库与测试图片中的直方图的相似度来确定，测试图片中人脸的身份。-We make face recognition with comparing the level of their hisgoram.
Cluster_DBSCAN
- DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。 该算法利用基于密度的聚类的概念，即要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发