數(shù)據(jù)挖掘中頻繁模式挖掘的經(jīng)典算法，根據(jù)別人代碼添加了項(xiàng)長(zhǎng)度的控制。
標(biāo)簽： 數(shù)據(jù)挖掘 頻繁模式 算法
上傳時(shí)間： 2017-05-16
上傳用戶：CSUSheep
文件中包含多種模式識(shí)別常用的算法，如：ISODATA、 K均值、 感知器、 LMSE最小誤差、 貝葉斯，希望對(duì)大家能有所幫助
上傳時(shí)間： 2014-03-07
上傳用戶：caozhizhi
從 Mentor Graphics 的自動(dòng)測(cè)試圖形生成（ATPG）工具 FastScan的 測(cè)試文檔中提取出測(cè)試電路（CUT）的測(cè)試模式，生成便于對(duì)應(yīng)壓縮算法的文件 格式。 本文中， 給出了 2 種壓縮測(cè)試模式的方法， 一種是基于統(tǒng)計(jì)的哈夫曼編碼， 一種是基于差分運(yùn)算的Golomb 編碼。本次畢業(yè)設(shè)計(jì)中，在熟悉Mentor Graphics ATPG工具 FastScan的基本功能和其主要的測(cè)試模式輸出文件的格式的基礎(chǔ)上， 實(shí)現(xiàn)其中測(cè)試結(jié)構(gòu)和測(cè)試模式數(shù)據(jù)的分析提取， 并且在掌握典型的測(cè)試模式壓縮 算法的思想以及 C/C++開(kāi)發(fā)環(huán)境的前提下，選擇或綜合相關(guān)的優(yōu)化壓縮算法，針 對(duì)測(cè)試結(jié)構(gòu)信息，實(shí)現(xiàn)測(cè)試模式數(shù)據(jù)的壓縮，及軟件的基本圖形化操作和結(jié)果報(bào) 告界面。
標(biāo)簽： Graphics FastScan Mentor ATPG
上傳時(shí)間： 2017-08-17
上傳用戶：bcjtao
為了減小傳統(tǒng)的反銳化掩模算法對(duì)噪聲的敏感性，提出了一種新的反銳化掩模圖像 增強(qiáng)算法，該算法在圖像的平坦區(qū)域進(jìn)行去噪處理，并依據(jù)人眼視覺(jué)特性對(duì)圖像的不同細(xì)節(jié) 區(qū)域做不同程度的增強(qiáng)。通過(guò)幾種算法的實(shí)驗(yàn)結(jié)果比較，表明本算法不僅增強(qiáng)效果較好，且 抑制了噪聲的增強(qiáng)。
上傳時(shí)間： 2014-08-09
上傳用戶：erkuizhang
流形學(xué)習(xí)算法lle的線性化方法，是一種非監(jiān)督的降維方法，比lle的優(yōu)勢(shì)在于可以將新的樣本點(diǎn)映射到低維空間。
標(biāo)簽： lle 流形學(xué)習(xí) 算法 線性
上傳時(shí)間： 2013-12-26
上傳用戶：蠢蠢66
流形學(xué)習(xí)算法LTSA的線性化方法，在基因分類聚類中得到了應(yīng)用，可以將新樣本線性地投射到低維空間。
標(biāo)簽： LTSA 流形學(xué)習(xí) 算法 線性
上傳時(shí)間： 2014-01-15
上傳用戶：ddddddos
論文首先對(duì)基本定位算法如基于小區(qū)編號(hào)、接收信號(hào)場(chǎng) 強(qiáng)、到達(dá)時(shí)間到達(dá)時(shí)間差、到達(dá)角度、混合定 位方法等的原理，誤差消除及處理，還有與混合定位方法相關(guān)的數(shù)據(jù) 融合技術(shù)進(jìn)行了簡(jiǎn)單介紹。隨后分析介紹了國(guó)內(nèi)外最新的定位算法及 優(yōu)化點(diǎn)，如約束極小化定位算法、基于向量機(jī)的模式識(shí)別定位 算法和指紋定位算法等，優(yōu)化點(diǎn)有在基于指紋定位方法的基礎(chǔ)上考慮 馬爾科夫模型，方法基礎(chǔ)上考慮功率加權(quán)算法，濾波方面考慮滑 動(dòng)窗技術(shù)等。
標(biāo)簽： 蜂窩 無(wú)線網(wǎng)絡(luò) 手機(jī)定位 法的研究
上傳時(shí)間： 2017-03-15
上傳用戶：rocket1122
對(duì)于有缺失數(shù)據(jù)的EM算法，對(duì)應(yīng)Richard O.Duda《模式識(shí)別》第三章47題
標(biāo)簽： python 模式識(shí)別 EM算法 代碼
上傳時(shí)間： 2018-11-19
上傳用戶：Rachel
《現(xiàn)代通信系統(tǒng)盲處理技術(shù)新進(jìn)展---基于智能算法》主要由以下8章組成： 第1章簡(jiǎn)要介紹無(wú)線通信系統(tǒng)的結(jié)構(gòu)和發(fā)展概況，以及其盲處理算法的相關(guān)知識(shí)。第2章介紹人工神經(jīng)網(wǎng)絡(luò)及相應(yīng)知識(shí)，從BP神經(jīng)網(wǎng)絡(luò)若手研究盲處理問(wèn)題,同時(shí)給出復(fù)數(shù)域BP神經(jīng)網(wǎng)絡(luò)的信號(hào)盲處理方法和該類方法的優(yōu)缺點(diǎn)說(shuō)明。在第3章中介紹智能體的概念，并給出基于多智能體系統(tǒng)的盲處理方法。第4章介紹基于支持向量機(jī)框架下的盲處理算法，介紹支持向批機(jī)的原理，給出基于ε- 支持向量回歸機(jī)的信道估計(jì)新方法，并介紹基千支持向批回歸方法的MPSK和QAM的盲信號(hào)處理方法，然后引入星座匹配誤差函數(shù)，并根據(jù)線性支持向攪回歸和有序風(fēng)險(xiǎn)最小化原則，由恒模和星座匹配誤差函數(shù)聯(lián)合組成的新經(jīng)驗(yàn)風(fēng)險(xiǎn)項(xiàng)構(gòu)造一個(gè)新的代價(jià)函數(shù)，進(jìn)而通過(guò)迭代求解優(yōu)化問(wèn)題獲得均衡器。第5章介紹神經(jīng)動(dòng)力學(xué)和反饋神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)，特別地從神經(jīng)動(dòng)力學(xué)角度論述連續(xù)反饋神經(jīng)網(wǎng)絡(luò)可有效飛作的原因，論述反饋神經(jīng)網(wǎng)絡(luò)權(quán)值矩陣對(duì)吸引子和相軌跡的影響。并給出如何根據(jù)系統(tǒng)接收信號(hào)與發(fā)送信號(hào)之間的子空間關(guān)系，構(gòu)造一個(gè)適用于現(xiàn)代通信系統(tǒng)中的盲檢測(cè)的特定性能函數(shù)和優(yōu)化問(wèn)題。第6章分別展示如何基于連續(xù)多閾值神經(jīng)元Hopfield網(wǎng)絡(luò)模型實(shí)現(xiàn)通信信號(hào)盲處理的理論和方法，針對(duì)多相制信號(hào)的特點(diǎn)給出兩種連續(xù)相位多闕值激勵(lì)函數(shù)形式，并分析討論該兩類激勵(lì)函數(shù)參數(shù)的選擇、分別給出連續(xù)多閾值神經(jīng)元 Hopfield 網(wǎng)絡(luò)工作于同步和異步模式下的新能隊(duì)函數(shù)及其相關(guān)證明。介紹采用幅相連續(xù)激勵(lì)法解決稀疏QAM 信號(hào)的盲檢測(cè)思路，并針對(duì) QAM 信號(hào)的特點(diǎn)，分別給出連續(xù)幅度和相位多闕值激勵(lì)函數(shù)形式，分析討論該類激勵(lì)函數(shù)的特點(diǎn)。第7章則電在從另一個(gè)角度提出采用同相正交振幅連續(xù)激勵(lì)法解決密集QAM信號(hào)盲檢測(cè)方法。介紹如何從激勵(lì)函數(shù)角度分析放大因子選擇的范圍；給出該特定問(wèn)題的同步和異步運(yùn)行模式下的新能量函數(shù)形式；并證明和分析所設(shè)計(jì)的能量函數(shù)部分定理；介紹在基于反饋神經(jīng)網(wǎng)絡(luò)的信號(hào)盲處理方法這一研究課題中發(fā)現(xiàn)的幾類現(xiàn)象，包括當(dāng)信號(hào)的統(tǒng)計(jì)信息缺失或失真情況下，連續(xù)多閾值神經(jīng)元反饋神經(jīng)網(wǎng)絡(luò)的盲檢測(cè)能力：通用高階QMA的激勵(lì)函數(shù)被使用作為低階QAM信號(hào)盲檢測(cè)問(wèn)題時(shí)的適用性......
標(biāo)簽： 無(wú)線通信系統(tǒng) 智能算法
上傳時(shí)間： 2022-07-09
上傳用戶：
電壓空間矢量脈沖寬度調(diào)制技術(shù)是一種性能優(yōu)越、易于數(shù)字化實(shí)現(xiàn)的脈沖寬度調(diào)制方案。在常規(guī)SVPWM算法中，判定等效電壓空間矢量所處扇區(qū)位置時(shí)需要進(jìn)行坐標(biāo)旋轉(zhuǎn)和反正切三角函數(shù)的運(yùn)算，計(jì)算特定電壓空間矢量作用時(shí)間時(shí)需要進(jìn)行正弦、余弦三角函數(shù)的運(yùn)算以及過(guò)飽和情況下的歸一化處理過(guò)程，同時(shí)，在整個(gè)SVPWM算法中還包含了無(wú)理數(shù)的運(yùn)算，這些復(fù)雜計(jì)算不可避免地會(huì)產(chǎn)生大量計(jì)算誤差，對(duì)高精度實(shí)時(shí)控制產(chǎn)生不可忽視的影響，而且這些復(fù)雜運(yùn)算的計(jì)算量大，對(duì)系統(tǒng)的處理速度要求高，程序設(shè)計(jì)復(fù)雜，系統(tǒng)運(yùn)行時(shí)間長(zhǎng)，占用系統(tǒng)資源多。因此，從工程實(shí)際應(yīng)用的角度出發(fā)，需要對(duì)常規(guī)SVPWM算法進(jìn)行優(yōu)化設(shè)計(jì)。 本文提出的優(yōu)化SVPWM算法，只需進(jìn)行普通的四則運(yùn)算，計(jì)算非常簡(jiǎn)單，克服了上述常規(guī)SVPWM算法中的缺點(diǎn)，同時(shí)，采用交叉分配零電壓空間矢量，并將零電壓空間矢量的切換點(diǎn)置于各扇區(qū)中點(diǎn)的方法，達(dá)到降低三相橋式逆變電路中開(kāi)關(guān)器件開(kāi)關(guān)損耗的目的。SVPWM算法要求高速的數(shù)據(jù)處理能力，傳統(tǒng)的MCU、DSP都難以滿足其要求，而具有高速數(shù)據(jù)處理能力的FPGA/CPLD則可以很好的實(shí)現(xiàn)SVPWM的控制功能，在實(shí)時(shí)性、靈活性等方面有著MCU、DSP無(wú)法比擬的優(yōu)越性。本文利用MATLAB/Simulink軟件對(duì)優(yōu)化的SVPWM系統(tǒng)原型進(jìn)行建模和仿真，當(dāng)仿真效果達(dá)到SVPWM系統(tǒng)控制要求后，在XilinxISE環(huán)境下采用硬件描述語(yǔ)言設(shè)計(jì)輸入方法與原理圖設(shè)計(jì)輸入方法相結(jié)合的混合設(shè)計(jì)輸入方法進(jìn)行FPGA/CPLD的電路設(shè)計(jì)與輸入，建立相同功能的SVPWM系統(tǒng)模型，然后利用ISESimulator（VHDL/Verilog）仿真器進(jìn)行功能仿真和性能分析，驗(yàn)證了本文提出的SVPWM優(yōu)化設(shè)計(jì)方案的可行性和有效性。
標(biāo)簽： FPGACPLD SVPWM 算法優(yōu)化
上傳時(shí)間： 2013-06-27
上傳用戶：小儒尼尼奧
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
