基本部分：1）生成单音干扰、多音干扰、宽带噪声干扰、部分频带噪声干扰、宽带梳状谱干扰、线性调频干扰等6种通信干扰信号；
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
扩展部分：选择合适的特征参数，采用NN或者SVM机器学习实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
实验次要完成了三部分工作。
1.通信干扰信号的生成。
对6种干扰信号进行了仿真。
2.特征参数的提取和讨论。
对时域和频域的参数进行了提取，分析了不同JNR下的参数变化趋势，以及不同干扰信号之间的差异。
3.基于特征参数的分类。
选择合适的特征参数，分别使用决策树法、支持向量机法以及神经网络法对干扰信号进行了分类。
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
扩展部分：选择合适的特征参数，采用NN或者SVM机器学习实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
实验次要完成了三部分工作。
1.通信干扰信号的生成。
对6种干扰信号进行了仿真。
2.特征参数的提取和讨论。
对时域和频域的参数进行了提取，分析了不同JNR下的参数变化趋势，以及不同干扰信号之间的差异。
3.基于特征参数的分类。
选择合适的特征参数，分别使用决策树法、支持向量机法以及神经网络法对干扰信号进行了分类。
2018/6/7 15:27:17
514KB
1
基于支持向量机的自顺应与优化，包含论文SVMIncrementalLearningAdaptationandOptimization-DiehlandCauwenberghs-2003的文章和源代码
2020/9/5 14:04:10
152KB
1
这是SVM的具体代码，里面有详细的阐明使用和测试图片，欢迎下载。
SVM(SupportVectorMachine)指的是支持向量机，是常见的一种判别方法。
在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
SVM(SupportVectorMachine)指的是支持向量机，是常见的一种判别方法。
在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
2015/6/20 23:38:57
820KB
1
支持向量机在matlab中的测试数据集,已转换成matlab格式，可直接在matlab中运用，会自动生成数据集。
2018/6/22 17:24:39
28KB
1
小波分析、Hilbert-Huang变换，EMD-AR谱提取柴油机活塞、活塞销毛病特征EMD-包络谱变速器毛病诊断人工神经网络的MATLAB实现及应用研究BP人工神经网络的MATLAB函数BP人工神经网络在机械毛病诊断中的应用模糊聚类分析在机械毛病诊断中的应用模糊神经网络在机械毛病诊断中的应用遗传算法在机械毛病诊断中的应用实例粒子群算法在机械毛病诊断中的应用实例支持向量机在机械毛病诊断中的应用信号处理工具箱，emd、wavelet、libsvm、nnet、tftb
2016/5/2 2:48:33
46.49MB
1
基于SVM(支持向量机)的人脸辨认matlab代码基于SVM(支持向量机)的人脸辨认matlab代码基于SVM(支持向量机)的人脸辨认matlab代码
2016/9/12 18:28:33
6KB
1
《数字图像处理与机器视觉：VisualC++与Matlab实现》作者：张铮，王艳平，薛桂香编著目录······第0章数字图像处理概述1数字图像.2数字图像处理与识别第3章图像的点运算第4章图像的几何变换第5章空间域图像增强第6章频率域图像增强第7章彩色图像处理第8章形状学图像处理第9章图像分割第10章特征提取第11章图像识别初步第12章人工神经网络第13章支持向量机
2018/6/16 7:09:17
50.9MB
1
本代码次要利用MATLAB工具进行MATLAB——支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断
2017/6/17 21:18:19
8KB
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