搜索资源列表
liuxinggaishu
- :流形学习是一种新的非监督学习方法,近年来引起越来越多机器学习和认知科学工作者的重视. 为了加深 对流形学习的认识和理解,该文由流形学习的拓扑学概念入手,追溯它的发展过程. 在明确流形学习的不同表示方 法后,针对几种主要的流形算法,分析它们各自的优势和不足,然后分别引用Isomap 和LL E 的应用示例. 结果表明, 流形学习较之于传统的线性降维方法,能够有效地发现非线性高维数据的本质维数,利于进行维数约简和数据分 析. 最后对流形学习未来的研究方向做出展望,以期进一步拓展流形
defect-and-gnr
- surveying defect in GNRFET
wavelet-packets-analysis
- 针对风力发电机组传动系统故障时特征量提取困难的问题,提出了改进的小波包结合包络谱的故障诊断新方法。深入研究了小波包频带错乱的问题，对小波包实施了改进，消除了频带错乱的缺陷-In view of the wind turbine drive system characteristics, failure and difficult problems, puts forward the improved wavelet packet combining spectral envelope, a ne
tuxiangchuli
- 详细描述了图像处理在钢材缺陷检测方面的前景，应用以及趋势。-Detailed Descr iption of the foreground image processing, applications and trends in the steel defect detection. .
Defect-Detection-of-Tiles-Using-2D-Wavelet-Transf
- Defect Detection of Tiles Using 2D-Wavelet Transform and Statistical Features