这里实现了四种SVM工具箱的分类与回归算法1、工具箱：LS_SVMlabClassification_LS_SVMlab.m-多类分类Regression_LS_SVMlab.m-函数拟合2、工具箱：OSU_SVM3.00Classification_OSU_SVM.m-多类分类3、工具箱：stprtool\svmClassification_stprtool.m-多类分类4、工具箱：SVM_SteveGunnClassification_SVM_SteveGunn.m-二类分类Regression_SVM_SteveGunn.m-函数拟合
2023/12/15 17:58:15
232KB
1
脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
2023/11/25 9:41:41
1.04MB
1
为了提升自然场景图像的识别精度，结合bag-of-visualword模型，提出了一种基于核稀疏表示的图像识别方法。
该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。
实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。
该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。
实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。
2023/10/31 6:44:35
1.2MB
1
一篇心电信号识别和分类的论文。
定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的SVM方法应用于心电信号分类。
定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的SVM方法应用于心电信号分类。
2023/10/18 14:27:35
268KB
1
该工具箱主要用于商业用Matlab软件包使用。
Matlab的工具箱已经在不同的计算机体系结构编译和测试，包括Linux和Windows。
大部分函数可以处理的数据集可高达20，000或更多点的数据。
LS-SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多类编码技术和贝叶斯框架的更先进的版本。
Matlab的工具箱已经在不同的计算机体系结构编译和测试，包括Linux和Windows。
大部分函数可以处理的数据集可高达20，000或更多点的数据。
LS-SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多类编码技术和贝叶斯框架的更先进的版本。
2023/7/30 3:43:08
1.49MB
1
摘要：应用信号处理方法对振动信号进行特征提取的技术是机械设备故障诊断领域的重要研究方向。
常用的机械设备故障诊断领域的信号处理方法主要包括时域分析、频域分析和时频分析。
针对常用的振动信号处理方法，总结多种算法的特征和优缺点。
根据常见机械设备关键构件的振动特征，选择不同的信号处理和特征提取算法进行分析，以便提高多种构件、多类故障的特征提取精度和可靠性，从而为有效地实现机械设备的故障提供参考。
关键词：振动与波；
故障诊断；
振动信号；
特征提取；
信号处理
常用的机械设备故障诊断领域的信号处理方法主要包括时域分析、频域分析和时频分析。
针对常用的振动信号处理方法，总结多种算法的特征和优缺点。
根据常见机械设备关键构件的振动特征，选择不同的信号处理和特征提取算法进行分析，以便提高多种构件、多类故障的特征提取精度和可靠性，从而为有效地实现机械设备的故障提供参考。
关键词：振动与波；
故障诊断；
振动信号；
特征提取；
信号处理
2023/6/4 15:12:06
402KB
1
第一篇 底子学识第1章 图像/视频底子学识第2章 图像缩放第3章 图像品质增强底子本领第4章 超分说率规复本领第二篇 基于重修的超分说率规复第5章 基于重修的图像超分说率规复本领概述第6章 凸集投影以及最大后验概率估量第7章 基于mrf模子的map图像超分说率规复第8章 基于梯度矢量流解放的图像超分说率规复第9章 基于货物的监控视频超分说率规复第10章 基于权值矩阵的超分说率盲规复第11章 基于小波变更域的超分说率规复第12章 基于单帧高分说率图像的视频序列超分说率规复第三篇 基于学习的超分说率规复第13章 基于学习的超分说率规复本领概述第14章 基于示例学习的超分说率规复算法第15章 基于多类料想器学习的超分说率规复第16章 基于学习的人脸图像超分说率规复第四篇 高动态规模展现第17章 高动态规模图像可视化本领概述第18章 基于自顺应细节增强的高动态规模图像可视化第五篇 超分说率规复本领的阻滞趋向第19章 超分说率规复本领的阻滞趋向
2023/5/3 9:58:06
38.89MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB