搜索资源列表
inheritence
- 普通函数的重载，虚函数的重栽，指向派生类对象的基类指针对重载函数的调用-ordinary function overloading, the virtual function re-planting, point to objects derived category refers to the base class against heavy function call
F0F1F2F3
- 语音情感是别中经常用到的基频F0和前三个共振峰F1F2F3的提取程序，并把引用的辅助函数nanmax.m，nanmean.m，nanmin.m一并附上。直接调用demo01.m即可。-emotional voice is not often used in the fundamental frequency F0 and the former three formant F1F2F3 the process of extraction, and the auxiliary function in
baseCla
- 利用虚函数手段，按照三种不同的数据存储方式及其处理方法来实现如下的所谓“反序输出问题”：从键盘输入n 个int 型数据先存储起来（具体n 值由用户从键盘输入），而后再按照与输入相反的顺序将这些数据显示在屏幕上。具体地说，可通过在基类baseCla 及其派生类method1Cla、method2Cla 和method3Cla中说明如下的同一个虚函数“virtual void reverseout() ”，来实现所述问题的三种不同处理方法。例如，可设计并使用已经在第四章和第六章的实践题中所使用的数据
lesson2
- 孙鑫老师VC视频第二课代码：C++经典语法与应用，类的编写与应用，构造与析构函数，函数的重载，类的继承，函数覆盖，基类与派生类的构造函数、析构函数先后调用顺序，如何在派生类构造函数中向基类的构造函数传递参数，this成员变量，类型转换的内幕，虚拟函数与多态性,引用和指针变量的区别与共同处。VC工程的编译原理与过程，将工程中不同的类拆分到不同的文件中，每一个类由一个.h和.cpp文件共同完成，头文件重复定义问题的解决，培养了学员良好的编程习惯，也为以后分析MFC AppWizard生成的工程奠定了
TestMFCClassCode
- C++经典语法与应用，类的编写与应用，构造与析构函数，函数的重载，类的继承，函数覆盖，基类与派生类的构造函数、析构函数先后调用顺序，如何在派生类构造函数中向基类的构造函数传递参数，this成员变量，类型转换的内幕，虚拟函数与多态性,引用和指针变量的区别与共同处。VC工程的编译原理与过程，将工程中不同的类拆分到不同的文件中，每一个类由一个.h和.cpp文件共同完成，头文件重复定义问题的解决，培养了学员良好的编程习惯，也为以后分析MFC AppWizard生成的工程奠定了良好基础。
grapic
- C++经典语法与应用，类的编写与应用，构造与析构函数，函数的重载，类的继承，函数覆盖，基类与派生类的构造函数、析构函数先后调用顺序，如何在派生类构造函数中向基类的构造函数传递参数，this成员变量，类型转换的内幕，虚拟函数与多态性,引用和指针的变量的区别与共同处。VC工程的编译原理与过程，将工程中不同的类拆分到不同的原文件中，每一个类由一个.h和.cpp文件共同完成，头文件重复定义问题的解决，培养了学员良好的编程习惯，也为以后分析MFC Appwizard生成的工程奠定了良好基础。
Code2
- C++经典语法与应用，类的编写与应用，构造与析构函数，函数的重载，类的继承，函数覆盖，基类与派生类的构造函数、析构函数先后调用顺序，如何在派生类构造函数中向基类的构造函数传递参数，this成员变量，类型转换的内幕，虚拟函数与多态性,引用和指针变量的区别与共同处。VC工程的编译原理与过程，将工程中不同的类拆分到不同的文件中，每一个类由一个.h和.cpp文件共同完成，头文件重复定义问题的解决，培养了学员良好的编程习惯，也为以后分析MFC AppWizard生成的工程奠定了良好基础。
TxyCat-svmcls.rar
- 基于径向基函数的神经网络文本自动分类系统。,Based on Radial Basis Function neural network automatic text classification systems.
p2-132
- 在VC++环境下定义两个基函数的基类，派生类Derived_1中重新定义了基类中的虚函数aFn1，派生类Derived_2中重新定义了基类中的虚函数aFn2-VC++ environment in the definition of the two basis functions of the base class, derived class Derived_1 re-definition of the base class' s virtual function aFn1, deriv
PitchExtractingNewMethodforMixedSpeechesBasedonMul
- 基于分频带自相关函数的混叠语音基频分离提取新算法 -Based on the sub-band auto-correlation function of the fundamental frequency of voice-alias A New Algorithm for Extraction
svm
- 径向基函数网络应用实例 希望对大家有帮助-Application of radial basis function networks hope to help
emd
- 经验模态分解(Empirical Mode Decomposition, 简称EMD))方法是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。-Empirical Mode Decomposition
Analysis--antenna-
- 从混合位积分方程出发，采用矩量法结合曲线分段的三角基函数和脉冲检 验函数分析了阿基米德平面螺旋天线，给出了输入阻抗，电流分布以及辐射方向图结 果。从曲线形式的海伦积分方程出发结合折线分段的脉冲基函数点匹配法比较结果 与文献[2～4]十分吻合。-In this paper，Archimedean spiral antenna is analyzed using a mixed po— tential integral equation。and the equation is sol
wavelets
- 小波变换的基本思想是用一组小波或基函数表示一个函数或信号。-The basic idea of the wavelet transform is a wavelet or base function represents a function or signal.
nurbs
- 绘制NURBS三维、二维图形，网格细化，基函数求解等函数包-construction 2D，3D,NURBS graphics
LeaSquInterpolation
- 最小二次法拟合时历曲线，对于三角函数的测量信号数据较适用。采用基函数为sin cos。-least square interpolation method is used for simulating the time series data. And the basic function is trigonometric function.
RBF
- 针对一类非线性动态系统给出了一种基于RBF(径向基函数)神经网络的模型参考自适应控制算法,控制器的结构中使用RBF网络来动态的补偿系统的非线-A class of nonlinear dynamic systems presents a model reference adaptive RBF (Radial Basis Function) neural network control algorithms, structure of the controller using RBF netwo
neural-network-matlab_m
- matlab神经网络原理与实例精解的matlab源代码，包括matlab快速入门、单层感知器、线性神经网络、BP神经网络、径向基函数网络、自组织竞争神经网络、随机神经网络等各章节源码，是学习神经网络的有力助手，里面包含matlab库函数工具箱的应用，也有手算代码。-matlab neural network theory and examples of fine solution matlab source code, including matlab QuickStart, single se
RBF-network
- 粒子群算法优化RBF网络 径向基函数( RB F ) 神经网络是一种具有全局收敛 的前向网络， 通过中间层神经元的非线性传递 ， 能够实 现任意的从输入空间到输出空间的映射， 可以唯一任 意精度逼近任何连续函数-rbf network
提取语音信号基频
- 用自相关函数提取语音信号基频，提取音频文件的基频等高线(Use the autocorrelation function on segments of the signal (windowsize: 100ms) and compute the fundamental frequency. Use a max_time_lag of 100ms in the autocorrelation function and a window shift of 25ms. Create a fundame