ICA程序,利用Infomax算法实现,比较实用,建议跳过最优成分数估计,直接手动输入。
7KB ICA
1
最新的2020年完整英文版欧洲电子烟标准-EN17375:2020Electroniccigarettesande-liquids-Referencee-liquids(电子烟和电子烟油-参考电子烟油),本标准规定了用于测试电子烟产生的排放的参考电子液体[1],也适用于电子烟空售、不含电子烟液,以及产品信息或使用说明中没有具体说明与设备一起使用的电子烟液的成分特性的情况下使用的参考电子烟液。
值得电子烟及烟油研发、品质及认证人员下载参考使用!
2025/12/8 15:37:02 2.38MB en17375 电子烟 烟油 cigarette
1
手写数字识别,所使用的是PCA主成分分析算法,内部有多个测试图片和PDF说明。
2025/12/5 6:44:07 31.6MB Matlab 手写数字识别 PCA算法
1
《Origin9.0科技绘图与数据分析超级学习手册》是一本专为用户深度学习Origin9.0软件而设计的教程,旨在帮助用户掌握如何高效地利用该软件进行科学绘图和复杂的数据分析。
Origin9.0是科研人员和工程师常用的图形用户界面(GUI)应用程序,尤其在实验数据处理、可视化以及统计分析等方面表现出色。
Origin9.0提供了丰富的2D和3D绘图类型,包括散点图、线图、柱状图、饼图、等高线图、表面图等,适用于各种科研领域。
在绘图过程中,用户可以自定义颜色、线条样式、符号形状,以及添加图例、坐标轴、网格线等元素,使图表更具专业性和可读性。
此外,Origin支持批量处理,能快速生成多图并排比较,对于论文发表或报告制作非常方便。
在数据分析方面,Origin9.0包含多种内置统计函数和分析工具,如基本的平均、标准差、回归分析,到高级的傅里叶变换、主成分分析(PCA)、非线性拟合等。
用户可以通过工作表中的公式栏直接输入计算公式,或者利用内置的分析菜单进行操作。
此外,Origin还支持自定义脚本,通过LabTalk语言,用户能够编写复杂的数据处理和分析程序,提高工作效率。
在学习资源中,课件通常会涵盖基础操作,如数据导入、工作表管理、图形创建与编辑,以及高级功能,例如曲线拟合、数据分析模板的定制。
这些内容有助于初学者迅速上手,并逐步深入到高级应用。
同时,提供的数据文件可能包含了实例数据,供学习者实践操作,通过实际操作来巩固理论知识。
自学Origin9.0时,建议按照以下步骤进行:1.学习基础界面和工作流程:了解Origin的工作窗口布局,掌握新建项目、导入数据、编辑工作表的基本操作。
2.探索绘图功能:逐一尝试不同类型的2D和3D图表,学习如何调整图表属性,使图表满足专业要求。
3.熟悉数据分析工具:通过实例数据,练习使用内置的统计和分析函数,理解其原理和应用场景。
4.实践曲线拟合:学习如何使用Origin的拟合功能,对数据进行非线性拟合,探究数据背后的规律。
5.学习LabTalk编程:逐步了解和应用LabTalk语言,编写自定义脚本,实现自动化处理。
6.定制和保存工作流程:学习如何保存个人的分析模板,提高工作效率。
通过深入学习和实践《Origin9.0科技绘图与数据分析超级学习手册》中的内容,用户将能够熟练掌握Origin9.0的各项功能,提升科研和工程领域的数据分析能力。
2025/12/3 10:09:42 10.58MB Origin
1
华中科技大学编译原理面向过程的C语言的编译器设计功能包括:词法分析和语法分析、语义分析、中间代码生成的源码题目:c--语言编译器设计与实现(请为自己的编译器命名)源语言定义:或采用教材中Decaf语言,或采用C语言(或C++语言或C#语言或JAVA语言)部分关键语法规则。
源语言要求至少包含的语言成分如下:数据类型至少包括char类型、int类型和float类型基本运算至少包括算术运算、比较运算、自增自减运算和复合赋值运算控制语句至少包括if语句和while语句实验内容:完整可运行的自定义语言编译器实验一:词法语法分析器的设计与实现:建议使用词法语法生成工具如:LEX/FLEX,YACC/BISON等专业工具完成。
实验二:符号表的设计与属性计算:设计符号表数据结构和关键管理功能。
动态展现符号表变化过程。
无论语法分析使用工具还是自己设计,都必须对符号表进行设计和管理,属性计算可以语义子程序实现。
实验三:语义分析和中间代码生成:生成抽象语法树,进行语义分析,实现类型检查和控制语句目标地址计算,生成中间代码。
中间代码的形式可以采用不同形式,但实验中要求定义自己的中间形式。
实验四:目标代码生成:在前三个实验的基础上实现目标代码生成。
也可以使用工具如LLVM来生成目标代码。
1
1、利用MATLAB的GUI完成系统的编程及系统界面2、基于PCA算法实现人脸识别;
读取人脸数据库;
主成分分析法降维并去除数据之间的相关性;
数据规格化;
SVM训练(选取径向基和函数);
读取测试数据、降维、规格化;
用步骤4产生的分类函数进行分类(多分类问题,采用一对一投票策略,归位得票最多的一类);
输出匹配度最高的一个
2025/11/14 0:53:56 6.7MB matlab PCA算法 人脸识别
1
(1)电磁纯铁(又名:电工纯铁,工业纯铁,耀强纯铁)(1-1)规格形态:纯铁圆钢,纯铁棒,纯铁卷,纯铁带,纯铁盘条,纯铁线材,耀强纯铁,纯铁冷拔,纯铁板,纯铁薄板,纯铁分条,纯铁无缝管,纯铁锻材。
(1-2)钢号:DT3,DT4,DT4A,DT4E,DT4C(1-3)电磁纯铁牌号级别说明:牌号前面用字母“D”、“T”组合作前缀,“D”、“T”分别为“电”、“铁”汉字拼音首位字母,阿拉伯数字表示不同牌号的顺序号(一般按数字顺序电磁特性由低到高)。
在同一类牌号中,电磁性能分为高级、特级、超级者,在数字后分别加符号“A”、“E”、“C”。
例如:“DT3”、“DT3A”、“DT4E”、“DT4C”。
(专业提示:电磁纯铁不以成分作为主要交货条件,主要还是要参考磁感强度和矫顽力值。
)(1-4)用途:电器、电讯中的各种类型继电器的电芯、衔铁轭铁,耀强纯铁;
电磁铁的铁芯材 料;
仪器、仪表导磁元件;
直流电机的铁芯和壳体;
汽车、拖拉机和车床的 电器或磁件;
磁屛避器材,如各类磁屛避罩或屛避盒,要求高屛避设备。
该文件为电工纯铁DT4的B-H曲线
2025/11/9 8:24:17 225KB 电工纯铁 DT4 B-H曲线
1
mathematica主成分回归的一个小例子,含有数据
2025/10/9 18:23:08 58KB mathematica
1
人脸识别作业,主要结合主成分分析(PrincipalComponentsAnalysis,PCA)与线性判别分析(LinearDiscriminantAnalysis,LDA)的特点,提出PCA+LDA算法,并与LDA比价
2025/10/8 20:28:34 520KB 人脸识别 计算机视觉 PCA+LDA
1
React本机模板企业ReactNative模板应用程序展示-测试策略,全局状态管理,中间件支持,网络层,组件库集成,本地化,导航配置和持续集成。
数字产品策略师,开发人员和设计师的专家团队。
我们一直在寻找重视自己工作的人,所以快来加入我们吧。
建筑学模板体系结构的驱动目标是关注点分离。
即:表示组件与场景(又称“屏幕”)分开。
表示组件是与事物外观有关的小组件。
场景通常定义整个应用程序屏幕,并关注事物的工作方式:它们包含演示组件并将所有内容连接在一起。
如果您有兴趣,可以。
用于响应本机架构的原子设计原子设计进一步巩固了将屏幕分离为组件和场景(容器)的想法。
该设计主要关注代码的可复用性,这使我们能够将组件区分为原子,分子和有机体。
与化学物质的原子设计类似,各成分按其成分分开。
随着每个组件的复杂性增加,它们要求的上下文也越来越多,因为每个组件都经过测试,因此可
2025/9/28 16:24:16 499KB HTML
1
共 192 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