搜索资源列表
semisupervised_learning
- 包含8篇半监督学习方面的中文文献，关于半监督学习的中文文献并不是很多，我把我找到的一些文章贡献一下。分别为：“半监督学习综述”“有关半监督学习的问题及研究”“基于半监督学习的网络流量分析”“基于核策略的半监督学习方法”“一种基于半监督学习的多模态WEB查询精华方法”“半监督学习机制下的说话人辨认算法”“半监督学习在入侵系统中的应用”“基于半监督学习的眉毛图像分割方法”-Includes eight semi-supervised learning of Chinese literature on
Source-Localization-in-UWSAN
- 文章针对低信噪比下的水下目标定位问题，建立了水下无线传感器阵列网络，该结构包括多个分布式声传感器阵列，它适应于多模态信号处理，既可以利用目标的方位信息，又可以用能量信息。文中提出了用每个阵列接收到的信号能量作为参量完成目标定位并推导了基于能量的最大似然比目标定位方法。数值仿真表明：基于该结构的能量似然函数定位方法，可以有效估计目标的位置。并且比单阵元网络的定位性能和信息传输率上有了较大的提高， 尤其是在低信噪比下情况下，可以大大减小估计的方差。-With novel underwater wir
EEMD-ANN
- EEMD经验模态分解+ANN神经网络分类-The EEMD empirical mode decomposition+ANN neural network classifier
wen
- 通过稳态图来识别对机械机构的振动信号，用有理分式多项式法进行模态参数识别-By steady-state map to identify rational fraction polynomial method of mechanical vibration signal, modal parameter identification
nbem.tar
- Naive bayes classifer的具体实现，使用多模态事件模型表示，提供EM算法用于半监督和无监督学习，最大似然估计用于有监督学习-The Naive bayes classifer implementation, using a multi-modal event model EM algorithm for semi-supervised and unsupervised learning, maximum likelihood estimation for supervised
msc--Nastran
- MSC.NASTRAN的主要动力学分析功能如：特征模态分析、 直接复特征值分析、 直接瞬态响 应分析、 模态瞬态响应分析、 响应谱分析、 模态复特征值分析、 直接频率响应分析、模态频率响应分析、 非线性瞬态分析、 模态综合、 动力灵敏度分析等。-The main kinetic analysis functions in MSC.NASTRAN such as: characteristics of modal analysis, direct complex eigenvalue anal
emd
- 经验模态分解（empirical mode decomposition),通过EMD方法可以把任何一个信号分解为数个固有模态函数和一个残量之和。
deep-CCA
- 深度典型相关性分析，在线性的CCA上增加了深度网络，以此来学习新特征并提高多模态数据之间相关性- Deep cca ,the deep network is added in linear CCA to learning descr iption that the correlation is better between multi-modal datas
SCGA_ver_0.1
- 该代码为PAPER/：为将单纯形搜索算法和GA相结合的求解多模态优化问题- This program is coresponding to paper Minimizing multimodal functions by simplex coding genetic algorithm .
xsj
- 关于一个轴承故障分解程序，里面包含小波去噪，重构等，还有EMD模态分解，并且还有各种功率谱仿真图-About a bearing failure decomposition process, which contains the wavelet de-noising, reconstruction, etc., as well as mode decomposition EMD, and there are a variety of power spectrum simulation map
emd-method
- 经验模态分解(EMD Empirical Mode Decomposition )算法是Hilbert-Huang变换(HHT)的核心算法。经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1)信号的极值点(极
funpiuhui
- 是学习PCA特征提取的很好的学习资料，数据模型归一化，模态振动，Gabor小波变换与PCA的人脸识别代码。- Is a good learning materials to learn PCA feature extraction, Normalized data model, modal vibration, Gabor wavelet transform and PCA face recognition code.
yljase-mode-original
- 不错的经验模态分解原吗,请相互分享,如有需要请邮箱联系-Good empirical mode decomposition of the original, please share, if necessary please contact email
setay
- 数据模型归一化，模态振动，基于分段非线性权重值的Pso算法，在MATLAB中求图像纹理特征。- Normalized data model, modal vibration, Based on piecewise nonlinear weight value Pso algorithm, In the MATLAB image texture feature.
dxnfe
- 包括回归分析和概率统计，包括面积、周长、矩形度、伸长度，数据模型归一化，模态振动。- Including regression analysis and probability and statistics, Including the area, perimeter, rectangular, elongation, Normalized data model, modal vibration.
eahrx
- Matlab实现界面友好，数据模型归一化，模态振动，用于建立主成分分析模型。- Matlab to achieve user-friendly, Normalized data model, modal vibration, Principal component analysis model for establishing.
EMD_sawtooth00
- 属于经验模态分解法中的部分程序，用来进行机械故障分析当中的应用。(Empirical mode decom po sitio n)
EMD
- 信号的经验模态分解算法，及其用于BP神经网络的训练(An empirical mode decomposition algorithm for signal and its training for BP neural network)
跨模态文字检索图片102花卉数据
- 跨模态检索 tensorflow实现，使用googlenet处理图片，char-cnn处理文字，使用triple-loss训练(Tensorflow is implemented by cross-modal retrieval, using Google eNet to process pictures, char-cnn to process text, and triple-loss training)
wikipedia_info
- wikipedia跨模态（文本图像）数据集，可用于图像标注、跨媒体检索等领域。共十类，已标注。文本特征是10维LDA特征，图像特征是128维SIFT特征(Wikipedia datasets for cross-media retrieval, image annotation etc.)