此工具箱只支持Python2版本,在Python3下可以自行修改。
允许使用单纯Python言语构建贝叶斯网络。
包含构建离散的贝叶斯网以及高斯贝叶斯网,推理算法包含消息树以及MCMC采样等。
允许搭建因子图模式下的BN网,同时包括网络实例。
有不清楚的地方欢迎一起交流。
2021/9/20 22:16:33 1.38MB 贝叶斯网络
1
本文主要是研究目的是掌握如何通过双线性变换法设计无限长数字低通滤波器对已加噪声的音乐信号进行滤波。
首先通过调用matlab中函数读取一段音乐信号,再对此音乐信号分别加上高斯白噪声、单音频噪声、多音频噪声,之后通过双线性变化方法设计无限长数字脉冲响应低通滤波器,并分别对所加不同噪声的音乐信号进行滤波,并观察滤波前后的时域以及频域波形进行对比。
双线性变换法设计滤波器的优点是克服了频谱混叠现象,缺点是数字频率以及模仿频率之间的非线性关系。
2021/11/22 7:33:25 291KB 信号处理
1
高斯混合模型的代码完成,matlab版本易读
1
高斯过程(GP)模型是非参数贝叶斯回归的一种灵活方法。
然而,在大数据中使用GP模型的大多数现有工作都是为单变量输出时间序列定义的,称为单任务GPs(single-taskGPs,STGP)。
在此,利用GPs同时对多个相关单变量生理时间序列进行建模。
由此产生的多任务GP(MTGP)框架可以学习多个信号之间的相关性,即便它们可能以不同的频率采样,并具有针对不同间隔的训练集。
MTGPs可有效地学习了生理时间序列之间的相关性,从而提高了建模精度。
多任务高斯过程模型Matlab工具箱(包括多个例子)
1
想理解opencv中高斯建模的具体算法的童鞋,可以瞧瞧~~
2021/3/21 4:43:12 594KB 高斯建模
1
模仿实现一个16-QAM的调制器和解调器,同时信道采用加性高斯白噪声信道
2016/9/5 4:41:20 3KB QAM
1
模仿实现一个16-QAM的调制器和解调器,同时信道采用加性高斯白噪声信道
2018/3/21 5:10:41 3KB QAM
1
为克服水声多途干扰影响,提出将差分跳频技术应用于水声通信,通过分析水声多途信道下差分跳频信号的特征,利用频率转移函数的隐含信息和水声信道的多途特征,优化了频率序列检测的Vitervi硬判决算法,并详细给出了算法流程.在含有加性高斯白噪声的多途信道下进行了仿真.结果表明,采用优化算法的系统功能得到显著提高,在频率检测差错率为10×10-3时,获得了近2.5dB的增益,表明差分跳频体制能有效克服多途干扰,适用于水声通信.
1
可以生成任意你所需求的指定的均值方差的任意维数的高斯白噪声矩阵
2016/1/27 6:32:49 409B 高斯白噪声
1
libviso不断以来被称为在视觉里程计(VO)中的老牌开源算法。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征,并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面,则通过RANSAC迭代的方式,每次迭代随机抽取3个点,根据这三个点,用高斯牛顿法计算出一个RT矩阵,表示两帧图像之间,相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分,接下来,本文将在读者已经对立体视觉的基本原理,以及libviso的场景流匹配熟悉的前提下,对这个过程进行详细分析。
2017/4/15 20:08:32 4.01MB 双目视觉 libviso2
1
共 590 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