这是一个样本的试验,现将振动信号举行LMD剖析,患上到剖析后的PF份量,在求份量的关连系数啦遴选份量,在求每一个PF份量的样本熵特色,结构一个特色向量,你指的具备,有帮手的话,阻滞你好评,谢谢,有下场加我主页qq。
2023/4/26 3:32:10 60KB matlab
1
matlab中实现反对于向量机SVM残缺货物包,可直接导入使用!
2023/4/25 13:16:26 889KB SVM工具包
1
基于反对于向量机负荷功率料想,使用粒子群算法举行参数寻优,供参考
2023/4/25 8:50:03 48KB 负荷预测
1
对于线代的各章节内容分别给出明晰的收集图,对于队列式,矩阵,向量组的秩以及极大无关组,齐次与非齐次方程组的解法,向量空间,特色值与特色向量相互之间的关连,以及它们的求解方式也给出了总结。
内容片面,学习约莫,便捷影像。
2023/4/25 2:55:54 98KB 线性代数 矩阵 行列式 方程组
1
matlab代码%CHEBYSHEV输入切比雪夫多项式的阶数以及尺度,返回切比雪夫多项式的系数%%p=CHEBYSHEV(N,type)%N为切比雪夫多项式的阶数%type为切比雪夫多项式的尺度%p为切比雪夫多项式的系数(N+1阶列向量)%T为切比雪夫多项式的系数(N+1*N+1阶矩阵,p=T(:,N+1))%即其中p(1)*x^N+p(2)*x^(N-1)+...+p(N)*x+p(N+1)
2023/4/22 23:16:10 1KB 切比雪夫 多项式 chebyshev matlab
1
直接输入矩阵就能够输入特色值以及特色向量以及能否不合。
2023/4/21 11:33:26 27KB 矩阵一致性检验
1
基于深度学习的资源三号遥感影像云检测方式。
摘要针对于资源三号卫星影像波段少、光谱规模受限的特色,本文提出了基于深度学习的资源三号遥感影像云检测方式。
起首,付与主成份阐发非把守预熬炼搜集合构,患上到待测遥感影像特色;
其次,为削减在池化进程中影像特色信息的损失,提出自顺应池化模子,该模子能很好开掘影像特色信息;
末了,将影像特色输入反对于向量机分类器举行分类,患上到云检测下场。
选取典型地域举行云检测试验,并与传统Otsu方式举行比力。
下场评释:本文方式检测精度高,并且不受光谱规模限度。
2023/4/14 21:08:27 792KB 云检测
1
反对于向量机导论,NelloCristianini著,李国正译。
中英文版
2023/4/13 3:36:42 8.39MB 支持向量机 导论 Nello Cristianini
1
1.本文档搜罗:三维点云文件points.txt以及C++名目文件CylinderFitting。
2.本文档经由对于三维点云的圆柱拟合,患上到圆柱的半径、圆柱轴线单元倾向向量以及轴线起始位置三个首要参数。
3.本文档算法源自“学编程的小蜜蜂”的matlab法度圭表标准:http://download.csdn.net/detail/erlongz/5815557
2023/4/12 19:39:50 3.06MB 圆柱面拟合 C++ opencv 半径
1
针对于传统行为赔偿功夫滤波(MCTF)结构存在着编码速率慢的缺陷,提出了一种新的基于低繁杂度的行为赔偿功夫滤波结构。
此结构实现为了对于传统MCTF结构的优化,并精简了传统MCTF的盘算步骤,同时给出了一种行为向量多重料想的方式,并经由络续帧间行为向量料想与行为向量多重料想门限值参数AE的遴选,实现为了对于编码盘算繁杂度的抑制。
试验数据评释,此结构编码功夫比传统MCTF结构提前约12%
1
共 603 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡