搜索资源列表
immunity
- 提供一个人工免疫算法源程序，其算法过程包括： 1.设置各参数 2.随机产生初始群体——pop=initpop(popsize,chromlength) 3.故障类型编码，每一行为一种！code(1,:)，正常；code(2,:)，50％；code(3,:)，150％。实际故障测得数据编码，这里Unnoralcode,188％ 4.开始迭代（M次）： 1）计算目标函数值：欧氏距离[objvalue]=calobjvalue(pop,i) 2）计算群体中
toneRec
- 语音识别中音频数据提取方法可以将字节转换成双精度类型比较好用的
WebStreamingData
- web流数据聚类挖掘的研究和应用。流数据作为一种特殊的可挖掘的数据类型，特别是基于网络技术迅速发展的今天，其彰显出的重要地位决定了它的挖掘技术需要被认真考虑，而如何在流数据中进行有效的聚类分析，是一个吸引研究者很大注意力的问题。
Workpiecefeatureextraction
- 1、有9个工件图像，要求从本章讲授的特征提取方法中，选择3~5种提取工件特征并给出数字结果；链码为必选方法，给出数字结果和图形显示，做到链码和原图像的双向变换显示。（实验报告中应描述相应的特征提取方法并略述实现过程） 2、设计的界面中要具备功能：任选1个工件作为目标，以上述实现的特征提取方法识别该目标的工件类型（即序号），并显示该判别基准特征的数据。 3、有可能的话试用聚类、训练或其他方法对这些工件进行分类。 -err
BP3Layer
- C#中封装MATLAB中BP神经网络的类 可以进行数据类型的转换-C# in the MATLAB package of BP neural network can be the type of data type conversion
julei
- 聚类是数据挖掘中重要的研究课题。文章介绍了聚类，讨论了聚类分析中的数据类型及其相异度，概括了数据 挖掘中常用的聚类方法。最后，提出了聚类研究中今后的若干发展趋势。-Clustering is an important data mining research. In this paper, clustering, cluster analysis discussed in the different data types and their degrees, a summary of com
reductionsum
- 该约简为了计算数据集合的总和,这些数据是多维和可变类型-In order to calculate the reduction of the total data set, which is multi-dimensional and variable data types
bpbyq
- bp神经网络算法，用于设备故障类型的模式识别，此例为变压器故障类型识别，并有变压器仿真数据-bp neural network algorithm for equipment failure type of pattern recognition, in this case for the transformer fault type identification, and a transformer simulation data
shiyanbaogao
- 动态查找表的设计与实现,实现抽象数据类型：二叉查找树。实现下列操作:构造空表、销毁表、搜索指定关键字的元素、插入新元素、删除指定关键字的元素、遍历表中所有元素. -Dynamic look-up table of the design and implementation to achieve the abstract data types: binary search tree. To achieve the following: construct an empty table, des
005
- 基于EMD、关联维数及神经网络理论，采用UbVIEW虚拟仪器开发平台 研制了一套内燃机燃气系统无拆卸故障诊断的虚拟仪器，该系统采用模块化结构， 具有快速可重组的优点，由压电式加速度传感器、光电传感器、电荷放大器、 PCI一6133同步数据采集卡、PC机以及采用LabVIEW开发的测试软件构成，测试软 件包括数据采集模块、故障特征值定义模块以及故障类型识别模块三大部分 -Based on the EMD, and the correlation dimension and ne
nsga2
- 这是一个遗传算法实现多目标优化。对多目标优化,non-domonated整理已用。设计变量可以是二进制,整数,实数的或枚举数据类型。 -This is a GA implementation for multi-objective optimization. For multi-objective optimization, non-domonated sorting has been used. The design variables can be Binary, Integer,
Clustering-Algorithms
- 在众多聚类算法中,基于划分的模糊聚类算法是模式识别中最常用的算法类型之一.至今,文献中仍不断 有关于基于划分的模糊聚类算法的研究成果出现.为了能更为系统和深入地了解这些聚类算法及其性质,本文从改 变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心进行约束等几个方面,对在 C-均值算法的 基础上得到的基于划分的模糊聚类算法作了综述和评价,对各典型算法的优缺点进行了实验比较分析.指出标准 FCM算法被广泛应用的原因之一是它对数据的比例变化具有鲁棒性,而其他类似的算法对这种
IC
- 该文档为BP算法在智能控制中的应用例子及其说明。BP网络输入、输出节点数可选；隐含层数及隐含层节点数可选，最大训练次数及退出训练误差可选，数据文件可选，动量因子可选，学习速率可选，激活函数类型可选，网络实现功能（分类、拟合）可选。开发环境为MATLAB。-This document is BP algorithm in intelligent control application examples and their descr iptions. BP network input and ou
Fast_SC
- 非常快速的稀疏编码求解过程。可以用于各种类型的数据-fast solving the problem of sparse coding.You can apply sparse coding to any type of general data.
HellokinectMAT
- 感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个
BP
- 误差反传网络(BP)特点：1)对原始数据的分布型式无要求；2)已知模型的类型应比较全面；3)适用于多目标模式识别；4)外推能力有限；5)定性数据和定量数据混合处理；6)当加入新模型时需要重新训练网络；7)不能用于数据插值。 -1) the distribution pattern of the original data requirements 2) known model types should be more comprehensive 3) suitable for multi
深度学习
- 这本书的主题——深度学习是通向人工智能的途径之一。具体来说，它 是机器学习的一种，一种能够使计算机系统从经验和数据中得到提高的技术。我们 坚信机器学习可以构建出在复杂实际环境下运行的AI 系统，并且是唯一切实可行的 方法。深度学习是一种特定类型的机器学习，具有强大的能力和灵活性，它将大千 世界表示为嵌套的层次概念体系（由较简单概念间的联系定义复杂概念、从一般抽 象概括到高级抽象表示）(The subject of this book, deep learning, is one of
buildingmachinelearningprojectswithtensorFlow
- 这本书包含了多个不同类型的工程，来说明TensorFlow在不同场景中的应用，这本书的工程包括了训练模型、机器学习、深度学习以及多种神经网络，每个工程都是一个精妙的、有意义的项目，会教我们如何使用TensorFlow并在使用中如何对数据分层。(This book contains a number of different types of engineering, to illustrate the application of TensorFlow in different scenario
python_3.4官方入门指南中文版
- Python 是一门简单易学且功能强大的编程语言。它拥有高效的高级数据结构，并且能够用简单而又高效的方式进行面向对象编程。Python 优雅的语法和动态类型，再结合它的解释性，使其在大多数平台的许多领域成为编写脚本或开发应用程序的理想语言。(Python is a simple and powerful programming language. It has an efficient high-level data structure and can be used in object-ori
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来