搜索资源列表
zlsj
- 滑动窗口的数据流闭合频繁模式的挖掘算法，用VC编写-sliding window of data flow closure frequent pattern mining algorithm, prepared by VC
Robust
- 本文讨论了一类非线性不确定中立型系统的鲁棒滑模控制问题。通过选择依赖于当前状态和延迟状态的滑动面，就线性矩阵不等式（LMIs）的形式给出了使得闭环系统渐近稳定的充分条件。
dsss
- 直接序列扩频通信系统，实现PN码同步，采用串行滑动相关捕获相关峰-Direct sequence spread spectrum communication system, and PN code synchronization, sliding-related capture serial correlation peak
SSCA
- 摘要：SSCA(strip spectral correlation algorithm)算法是一种循环谱时域平滑算法．为了解决该算法运算量 大，不能实时计算的矛盾，本文提’出利用改进的滑动FF．I’算法和一位相关算法代替SSCA算法中滑动 相关算法．给出了改进算法的数字实现方法和步骤，并用软件和硬件平台进行验证．仿真和试验结果表明：文 中提出的数字实现算法能对信号的循环谱进行实时分析，能节约大量运算时间和存贮空间．基本解决了循环 谱算法不能工程应用的问题．-Abstract:
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
moving-average-and-baseline-leveled
- 滑动平均加基线拉平，信号处理的一部分，可以用于TG/MS信号 的处理。-moving average and baseline leveled
HMM
- VisualBasic 的 HMM 范例 HMM模型，Viterbi，滑动窗算法唐纳 Helland（定位在人类的DNA基因的目的)-HMM、Viterbi、and Sliding Window Algorithms (for purposes of locating genes in human DNA) by Tanner Helland This project demonstrates use of a Hidden Markov Model (HMM) to define
RELS
- 增广最小二乘的递推算法对应的噪声模型为滑动平均噪声，扩充了参数向量和数据向量H（k）的维数，把噪声模型的辨识同时考虑进去。最小二乘法只能获得过程模型的参数估计，而增广最小二乘法同时又能获得噪声模型的参数估计，若噪声模型为平均滑动模型，，则只能用RELS算法才能获得无偏估计。当数据长度较大时，辨识精度低于极大似然法。-Augmented least squares of recursion algorithm corresponding noise model for moving average
2222
- 针对无线传感器网络中,节点受噪声影响导致测量精度下降的问题,提出一种基于滑动窗口内正态记分 检验的同质感知数据融合方法.在节点内设置滑动窗口,存储一个周期内的测量值样本数据,并对样本数据进行双样 本正态记分检验,-Due to the declining accuracy caused by noise in wireless sensor networks, a data fusion method called normal score test, based on slidi
oucSlidingBlock-master
- 一个用python语言编写的完整的滑动积木块的程序。-A python language complete with sliding building blocks of the program.
pingjuntimefre
- 针对滚动轴承全寿命周期试验数据，采用滑动平均法对原始信号平滑后求其时域特征图，可用于轴承性能退化评估的研究-Experimental data for the entire life cycle of rolling bearings, using the moving average method to study after the original time-domain signal smoothing seeking the feature map, can be used for b
Robot-Single-arm-SMO-control
- 机器人单机械臂滑动模型控制源代码-基于干扰观测器的-Robot Single arm sliding mode control based on disturbance observer
Chapter04
- 基于tensorflow 的神经网络的损失函数，学习率，正则化，滑动平均等方法(Method of loss function, learning rate, regularization and sliding average of neural network based on tensorflow)