搜索资源列表
pl0back
- 在本编译程序中,源语言为PL/0语言,目标语言为假想栈式计算机的汇编语言.PL/0语言是Pascal语言的一个子集，PL/0的编译程序包括了对PL/0语言源程序进行分析处理、编译生成类PCODE代码，并在虚拟机上解释运行生成的类PCODE代码的功能。 PL/0语言编译程序采用以语法分析为核心、一遍扫描的编译方法。词法分析和代码生成作为独立的子程序供语法分析程序调用。语法分析的同时，提供了出错报告功能。在源程序没有错误编译通过的情况下，调用类PCODE解释程序解释执行生成的类PCODE代码
bianyiyuanlisheji
- 1. PL/0 语言介绍 ●PL/0 程序设计语言是一个较简单的语言，它以赋值语句为基础，构造概念有顺序、条件和重复（循环）三种。PL/0 有子程序概念，包括过程定义（可以嵌套）与调用且有局部变量说明。PL/0语言编译程序采用以语法分析为核心、一遍扫描的编译方法。词法分析和代码生成作为独立的子程序供语法分析程序调用。语法分析的同时，提供了出错报告和出错恢复的功能。在源程序没有错误编译通过的情况下，调用类PCODE解释程序解释执行生成的类PCODE代码。 ●保留字(关键字)：所谓保留字是指
cffx
- 词法分析是编制一个读单词的过程，从输入的源程序中，识别出各个具有独立意义的单词，即基本保留字、标识符、常数、运算符、分隔符五大类。并依次输出各个单词的内部编码及单词符号自身值。程序语言的单词符号一般分为五种：关键字（保留字/基本字）if、while、begin…；标识符：常量名、变量名…；常数：34、56.78、true、‘a’、…；运算符：+、-、*、/、〈、and、or、….、；界限符：， ； （ ） { } /*…。
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
ICA
- 独立变量矢量化分析的一些算法，希望能有所帮助-ICA
SPSS
- 主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异，将我们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中的变异的几个新变量，即所谓主成分，并用以解释资料的综合性指标。由此可见，主成分分析实际上是一种降维方法。-The main purpose of PCA is to use fewer variables to explain most of the variation of the original data will
pl0_simple_compiler
- PL0 编译解释执行系统编译过程采用一趟扫描方式，以语法分析程序为核心，词法分析和代码生成程序都作为一个独立的过程，当语法分析需要读单词时就调用词法分析程序，而当语法分析正确需要生成相应的目标代码时，则调用代码生成程序。 用表格管理程序建立变量、常量和过程表示符的说明与引用之间的信息联系。 用出错处理程序对词法和语法分析遇到的错误给出在源程序中出错的位置和错位性质。 当源程序编译正确时，PL/0编译程序自动调用解释执行程序，对目标代码进行解释执行，并按用户程序的要求输入数据和输出运行
Matlab-Project
- 主成分分析(PCA)是一个数学的过程,它使用一个正交变换转换成一组观测到的可能相关的因素形成一套价值观的独立变量称为主成分。主成分的数量小于或等于原始变量的数目 -Principal component analysis (PCA) is a mathematical procedure that uses an orthogonal transformation to convert a set of observations of possibly correlated variable
bootgmregress
- 自举是一种由重采样估计，独立和（蒙特卡洛重采样）等概率设置一个单一的数据统计变化的一个途径。允许的措施估计那里的潜在分布是未知的或者样本量很小。他们的结果与这些分析方法的统计特性相一致。 在这里，我们使用非参数逼近。非参数引导更简单。它不使用该模型的结构，建造人工数据。矢量[易西]是重采样，而不是直接与replecement。这些参数是从这些对构建。 二，回归模型时，应使用在回归方程中的两个变量是随机的，会有错误的，即不是由研究者控制。模式，我用普通最小二乘回归低估了变量之间的错误时，
fastICA
- 基于独立变量分析的快速ICA算法分离母体与胎儿心电信号-Based on independent analysis of the fast ICA algorithm variable maternal and fetal ECG separation
IVA
- 独立向量分析（IVA）是对独立成分分析（ICA）算法的一种扩展，将ICA中的单变量成分扩展为多维变量成分，可有效避免卷积盲源分离过程中的排序模糊性问题。-Independent vector analysis (IVA), a multivariate extension of independent component analysis, tackles the convolutedly mixed blind source separation (BSS) problem in a wa
AHP
- 层次分析法matlab源程序，独立变量为一个m文件，方便替换成各种数据-Analytic hierarchy process (ahp) matlab source, independent variable is a m file, convenient to replace all kinds of data
FastICA_25
- 快速独立分量分析,应用程序，一键完成运算。该算法采用牛顿迭代算法对测量变量X的大量采样点进行批处理，每次从观测信号中分离出一个独立分量，是独立分量分析的一种快速算法。-Fast independent component analysis, application, a key to complete the operation. The algorithm uses the Newton iterative algorithm to batch the large number of samp
EASI
- 独立变量分析，主成分分析，盲源分离经典算法，屡试不爽-ICA BSS
PCA
- 主成分分析主要进行降维处理，以减小变量数目和使信号独立(Principal component analysis mainly reduces dimensionality to reduce the number of variables and make the signal independent)
MIToolbox
- 独立分量分析是一种统计和计算技术，用于揭示随机变量、测量数据或信号中的隐藏成分。(In ICA, multi-dimensional data is decomposed into components that are maximally independent in an appropriate sense (kurtosis and negentropy, in this package).the ICA components have maximal statistical indepe
泊松过程的生成及其统计分析
- 假设一个交换系统有M部电话，每个用户在很短的时间（单位时间内）呼叫一次的概率为P；用户间呼入的时刻相互独立，当M很大，P很小时，时间t内到达交换机的呼叫次数构成泊松过程N(t)。 1、确定此泊松过程的参数。利用计算机仿真N(t)的生成过程。注意合理选择M和P，时间分辨率为一个单位时间。 2、为了比较生成的N(t)与理论模型的吻合程度。取N(t)的多个样本并选取3个典型时间,,，得到,,三个随机变量的样本，在一张图上画出其直方图及理论分布曲线，并将两者对照。比较M选取不同时的效果。注意：样本个数
FastICA_25
- 利用独立变量分析的算法实现语音之间得分离。任何声音与人声的混合，人声与人声的混合都可以实现(Using independent variable analysis algorithm to achieve separation between speech. Any mixture of sound and vocals, mixing of vocals and vocals can be achieved)