小波与傅里叶分析基础作 者：（美）AlbertBoggess,FrancisJ.Narcowich译 者：芮国胜康健等出版社：电子工业出版社出版时间：2004-1-1许多关于小波的文章和参考书籍均要求读者具有复杂的数学背景知识，本书则只要求学生具有较好的微积分以及线性代数知识，通俗易懂。
第0章内积空间0.1引言0.2内积的定义0.3L2空间和l2空间0.4Schwarz不等式与三角不等式0.5正交0.6线性算子及其伴随算子0.7最小二乘和线性预测编码0.8习题第1章傅里叶级数1.1引言1.2傅里叶级数的计算1.3傅里叶级数的收敛定理1.4习题第2章傅里叶变换2.1傅里叶变换的通俗描述2.2傅里叶变换的性质2.3线性滤波器2.4采样定理2.5不确定性原理2.6习题第3章离散傅里叶分析第4章haar小波分析4.1小波的由来4.2Haar小波4.3Haar分解和重构算法4.4小结4.5习题第5章多分辨率分析5.1多分辨率框架5.2分解和重构的实现5.3傅里叶变换准则5.4习题第6章Daubechies小波分析6.1Daubechies小波的构造6.2分类、矩和平滑性6.3计算问题6.4二进点上的尺度函数6.5习题第7章其它小波主题7.1计算复杂度7.2高维小波7.3相应的分解和重构7.4小波变换7.5习题附录A技术问题附录BMATLAB程序
第0章内积空间0.1引言0.2内积的定义0.3L2空间和l2空间0.4Schwarz不等式与三角不等式0.5正交0.6线性算子及其伴随算子0.7最小二乘和线性预测编码0.8习题第1章傅里叶级数1.1引言1.2傅里叶级数的计算1.3傅里叶级数的收敛定理1.4习题第2章傅里叶变换2.1傅里叶变换的通俗描述2.2傅里叶变换的性质2.3线性滤波器2.4采样定理2.5不确定性原理2.6习题第3章离散傅里叶分析第4章haar小波分析4.1小波的由来4.2Haar小波4.3Haar分解和重构算法4.4小结4.5习题第5章多分辨率分析5.1多分辨率框架5.2分解和重构的实现5.3傅里叶变换准则5.4习题第6章Daubechies小波分析6.1Daubechies小波的构造6.2分类、矩和平滑性6.3计算问题6.4二进点上的尺度函数6.5习题第7章其它小波主题7.1计算复杂度7.2高维小波7.3相应的分解和重构7.4小波变换7.5习题附录A技术问题附录BMATLAB程序
2024/6/10 0:16:21
4.16MB
1
为了解决分类问题中的高维而导致的维数灾难问题，提出了Fisher算法和基于核的Fisher算法的分类器设计方法
2024/5/18 2:20:41
2KB
1
室内静态环境下加入了动态规划算法，我们当前关注的是动态的、相对高维的状态空间中的路径规划，比如移动机器人在部分已知的室外环境中导航时考虑速度的轨迹规划。
2024/3/29 21:35:58
2.72MB
1
函数逼近与曲线拟合，拟合的结果与拉格朗日插值及样条插值的结果比较复化梯形方法；
2.复化辛甫森方法；
3.复化高斯方法，求解第二类Fredholm积分方程高维积分数值计算的蒙特卡罗方法，分别用积分和测度两种不同角度，通过蒙特卡罗方法求冰激凌的体积病态的线性方程组的求解，选择病态问题的维数为6，分别用Gauss消去法、J迭代法、GS迭代法和SOR迭代法求解方程组，及其比较
2.复化辛甫森方法；
3.复化高斯方法，求解第二类Fredholm积分方程高维积分数值计算的蒙特卡罗方法，分别用积分和测度两种不同角度，通过蒙特卡罗方法求冰激凌的体积病态的线性方程组的求解，选择病态问题的维数为6，分别用Gauss消去法、J迭代法、GS迭代法和SOR迭代法求解方程组，及其比较
2024/2/28 7:33:41
273KB
1
CambridgeUROP2020：CYCLOPS在识别生物数据节律中的应用作者：亨利·林（HenryLim）背景昼夜节律影响生理和行为的许多方面，并调节哺乳动物的许多过程，包括体温，血压和运动能力。
由于现有的大规模数据集很少包含一天中的时间，因此识别人类分子机制具有挑战性。
为了解决这个问题，我们结合了对周期性结构，进化保护和无监督机器学习的理解，以沿着周期性周期对无序的人体活检数据进行排序。
该项目解决了从此类数据推断时间标签以识别人类和其他哺乳动物基因的昼夜节律的问题。
在本项目中研究的算法（按周期性结构的循环排序（CYCLOPS））利用进化守恒和机器学习来识别高维数据中的椭圆结构。
通过这种结构，CYCLOPS估计每个样本的相位。
我们首先使用人工生成的振荡数据，再使用按时间排序的鼠标和人类数据，对CYCLOPS进行了验证，并证明了其一致性。
介绍CYCLOPS的
由于现有的大规模数据集很少包含一天中的时间，因此识别人类分子机制具有挑战性。
为了解决这个问题，我们结合了对周期性结构，进化保护和无监督机器学习的理解，以沿着周期性周期对无序的人体活检数据进行排序。
该项目解决了从此类数据推断时间标签以识别人类和其他哺乳动物基因的昼夜节律的问题。
在本项目中研究的算法（按周期性结构的循环排序（CYCLOPS））利用进化守恒和机器学习来识别高维数据中的椭圆结构。
通过这种结构，CYCLOPS估计每个样本的相位。
我们首先使用人工生成的振荡数据，再使用按时间排序的鼠标和人类数据，对CYCLOPS进行了验证，并证明了其一致性。
介绍CYCLOPS的
2024/2/11 2:12:40
15.52MB
1
将节点相似度矩阵，作为深度稀疏自动编码器的输入，并通过不断迭代，作为输出低维特征矩阵。
（matlab编写）
（matlab编写）
2024/1/20 9:37:03
1.13MB
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