實現復數矩陣的基本運算，并能實現復數矩陣的求逆、快速傅里葉變換和奇異值分解等。。。。
上傳時間： 2014-07-05
上傳用戶：xwd2010
全局測量與精度控制是超大空間內精密測量的基礎，決定著整體測量的性能和適用性。為提高整體空間測量精度，同時解決定向及尺度問題，必須在全局空間內布設高精度測量控制網。三維坐標測量作為幾何量測量的重要代表，是建立控制網最直接且約束最強的控制條件。為建立大空間精密三維坐標控制網，采用激光跟蹤儀多站位對空間全局控制點進行三維坐標測量，結合奇異值分解算法完成各站位的方位定向，并利用激光跟蹤儀極高精度的測距值作為約束，對跟蹤儀測角誤差進行優化，進一步提高坐標控制網的精度。將該控制網建立方法應用于某飛機機翼表面形貌測量，實現激光跟蹤儀全局控制與終端攝影測量的高效組合，以不同若干站位下全局控制點間距離比對結果表明該控制網對現場測量精度和可靠性的提高具有良好效果 。
上傳時間： 2017-03-23
上傳用戶：wyf1995
《統計學習方法》李航第二版，機器學習，人工智能必備基礎書籍 內容簡介：統計學習方法即機器學習方法，是計算機及其應用領域的一門重要學科。本書分為監督學習和無監督學習兩篇，全面系統地介紹了統計學習的主要方法。包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與最大熵模型、支持向量機、提升方法、EM算法、隱馬爾可夫模型和條件隨機場，以及聚類方法、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和PageRank 算法等。本書是統計機器學習及相關課程的教學參考書，適用于高等院校文本數據挖掘、信息檢索及自然語言處理等專業的大學生、研究生，也可供計算機應用等專業的研發人員參考。
上傳時間： 2021-09-01
上傳用戶：wenxiuyu
地球物理反演問題，該文件運用了深度加權函數，截斷奇異值分解等技術
上傳時間： 2021-09-25
上傳用戶：唐海
光電探測技術是一種根據目標和背景輻射或者反射的光波在波長和強度之間的差異來進行目標探測的一種技術，它包括從紫外光（02-04um）、可見光（04-0.7um）、紅外光（1~3μm，3~5μm，8~12μm）等多種波段的光信號探測。本文通過對低小慢目標的紅外特性進行分析，提出了一種新的紅外低小慢目標探測算法。低小慢飛行器因為其成本低廉和獲取容易，極易形成黑飛，近年來隨著低小慢目標威脅態勢的增加，國內外關于低小慢目標的管控需求日益增長。但是因為低小慢目標本身種類、制作材料多樣，且很多沒有強熱源，導致其在紅外圖像上與周圍環境成像特征類似，常用的紅外弱小目標探測算法無法充分抑制背景，探測效果較差。當前對于低小慢日標的探測以雷達探測為主，紅外探測算法較少，但國內外很多研究機構都已在陸續開展紅外低小慢目標探測方面的研究。本文主要對以下四點內容進行了研究總結。（1）本文首先以無人機為例對低小慢目標的紅外成像特性進行分析，通過分析低小慢日標與傳統紅外弱小目標在紅外特征差異，總結說明了低小慢目標在紅外圖像上更難與背景區分，同時具有復雜多變的運動軌跡（2）對紅外低小慢目標增強進行了研究，通過對奇異值分解（SVD）后的奇異值矩陣設計非線性變換函數，使重構后圖像中目標所在的高頻部分的對比度得到增強從而使目標和背景之間的區別更加明顯，達到了增強目標的目的。（3）針對 Robinson guard濾波器對極值敏感的問題，對原有的計算方式進行了改進，改進后的 Robinson Guard濾波器可以更有效的區分前景和背景，對于背景的抑制更加充分。（4）在上述研究的基礎上，提出了一種新的紅外低小慢目標探測算法，該算法首先使用本文所用的目標增強方法對目標進行增強，然后使用改進后的 RobinsonGuard濾波器進行背景抑制，最后使用基于局部對比度（LC）的自適應閾值分割方法來提取目標使用真實拍攝的紅外低小慢目標序列圖像對本文方法進行仿真分析，實驗結果表明本文方法具有很好的背景抑制效果，可以有效的實現低小慢目標的探測
標簽： 光電探測
上傳時間： 2022-03-14
上傳用戶：
在工業應用中常用一組傳感器對問一個被測量目標在一個過程的不同位置進行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準確的測量結果，霱要進“步研究多傳感器的融合理論多傳感器數據融合系統的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數的最優估計，本文主要研究了以加權的方式進行多傳感器數據融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數最優佑計的方法為此本文在介紹了多傳感器數據融合技術的基礎上，首先研究了基于奇異值分解的數據融合算法，通過對傳感器測量值構成的矩陣進行奇異值分解，利用每個傳感器測量值所對應的奇異值，可以估計出對每個傳感器權值的最優估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數的最優估計，此外，在許多工業過程中，人們利用多傳感器測量同一過程參數以控制該參數在過程中的不同位置能根據需要進行合理分布，此時人們希望利用多傳感器融合的測量結果，對每一個傳感器的測量數據進行重建，以獲得對每一個傳感器的測量結果進行更為準確的估計。為此，本文進一步研究了基于小波降噪和數據融合的傳感器數據重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態系統的狀態融合問題，研究了加權無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態融合估計中的不足，可以得到了更準確的狀態融合估計結關鍵詞多傳感器系統，數據融合，奇異值分解，UKF
上傳時間： 2022-03-16
上傳用戶：aben
內容提要第1章 機器學習概1.1 機器學習簡介 1.1.1 機器學習簡史 1.1.2 機器學習主要流派 1.2 機器學習、人工智1.2.1 什么是人工智能 1.2.2 什么是數據挖掘 1.2.3 機器學習、人工智1.3 典型機器學習應用1.4 機器學習算法 1.5 機器學習的一般流程 第2章 機器學習基本2.1 統計分析2.1.1 統計基礎2.1.2 常見概率分布2.1.3 參數估計2.1.4 假設檢驗2.1.5 線性回歸2.1.6 邏輯回歸2.1.7 判別分析2.1.8 非線性模型2.2 高維數據降維2.2.1 主成分分析2.2.2 奇異值分解2.2.3 線性判別分析2.2.4 局部線性嵌入2.2.5 拉普拉斯特征映射2.3 特征工程 2.3.1 特征構建2.3.2 特征選擇2.3.3 特征提取2.4 模型訓練2.4.1 模型訓練常見術語2.4.2 訓練數據收集 2.5 可視化分析 2.5.1 可視化分析的作用2.5.2 可視化分析方法 2.5.3 可視化分析常用工2.5.4 常見的可視化圖表 2.5.5 可視化分析面臨的挑戰
標簽： 機器學習
上傳時間： 2022-06-16
上傳用戶：
用Canny算子檢測圖像的邊緣 P0404：圖像的閾值分割 P0405：用水線閾值法分割圖像 P0406：對矩陣進行四叉樹分解 P0407：將圖像分為文字和非文字的兩個類別 P0408：形態學梯度檢測二值圖像的邊緣 P0409：形態學實例——從PCB圖像中刪除所有電流線，僅保留芯片對象
上傳時間： 2015-03-21
上傳用戶：
用Canny算子檢測圖像的邊緣 P0404：圖像的閾值分割 P0405：用水線閾值法分割圖像 P0406：對矩陣進行四叉樹分解 P0407：將圖像分為文字和非文字的兩個類別 P0408：形態學梯度檢測二值圖像的邊緣 P0409：形態學實例——從PCB圖像中刪除所有電流線，僅保留芯片對象
上傳時間： 2014-01-06
上傳用戶：思琦琦
用Matlab中的Haar和Db9小波對圖像進行分解和重構,并在不同閾值下用PNG格式存儲重構的圖像.
上傳時間： 2014-01-11
上傳用戶：sunjet
