盒維數MATLAB計算程序。%根據計盒維數原理編寫了求一維曲線分形維數的matlab程序 function D=FractalDim(y,cellmax) %求輸入一維信號的計盒分形維數 %y是一維信號 %cellmax:方格子的最大邊長,可以取2的偶數次冪次(1,2,4,8...),取大于數據長度的偶數 %D是y的計盒維數（一般情況下D>=1）,D=lim(log(N(e))/log(k/e)),
標簽： FractalDim function cellmax MATLAB
上傳時間： 2015-04-23
上傳用戶：liuchee
c語言版的多項式曲線擬合。 用最小二乘法進行曲線擬合. 用p－1 次多項式進行擬合，p<= 10 x,y 的第0個域x[0],y[0],沒有用，有效數據從x[1],y[1] 開始 nNodeNum,有效數據節點的個數。 b,為輸出的多項式系數，b[i] 為b[i-1]次項。b[0],沒有用。 b,有10個元素ok。
上傳時間： 2014-01-12
上傳用戶：變形金剛
本書第二部分講述的是在Wi n 3 2平臺上的Wi n s o c k編程。對于眾多的基層網絡協議， Wi n s o c k是訪問它們的首選接口。而且在每個Wi n 3 2平臺上，Wi n s o c k都以不同的形式存在著。 Wi n s o c k是網絡編程接口，而不是協議。它從U n i x平臺的B e r k e l e y（B S D）套接字方案借鑒了 許多東西，后者能訪問多種網絡協議。在Wi n 3 2環境中，Wi n s o c k接口最終成為一個真正的 “與協議無關”接口，尤其是在Winsock 2發布之后。
上傳時間： 2015-07-08
上傳用戶：thinode
KEIL C51 V805 完全版 采用標準CHM文件格式 整合了: KEIL C51 V8.05 完全漢化版 KEIL 注冊機 PA51 V6.1 中文單片機匯編 KEIL 安裝注冊方法動畫教程 KEIL 設置調試仿真動畫教程 LED 液晶驅動演示動畫教程
上傳時間： 2014-01-21
上傳用戶：梧桐
％realize overlapped-save method ％y:output sequence ％x:input seqence ％h:filter impulse response sequence ％N:length of each segment ％重疊保留法實現分段卷積
標簽： overlapped-save sequence response realize
上傳時間： 2015-07-22
上傳用戶：chenbhdt
* 本算法用最小二乘法依據指定的M個基函數及N個已知數據進行曲線擬和 * 輸入: m--已知數據點的個數M * f--M維基函數向量 * n--已知數據點的個數N-1 * x--已知數據點第一坐標的N維列向量 * y--已知數據點第二坐標的N維列向量 * a--無用 * 輸出: 函數返回值為曲線擬和的均方誤差 * a為用基函數進行曲線擬和的系數, * 即a[0]f[0]+a[1]f[1]+...+a[M]f[M].
上傳時間： 2015-07-26
上傳用戶：
PIECEWISE_EVAL: evaluates a piecewise function of x usage: y = PIECEWISE_EVAL(x,breakpoints,funs) arguments (input) x - vector or array of points to evaluate though the function breakpoints - list of n breakpoints, -inf and +inf are implicitly
標簽： PIECEWISE_EVAL breakpoints evaluates piecewise
上傳時間： 2014-01-25
上傳用戶：xyipie
/* * EULER S ALGORITHM 5.1 * * TO APPROXIMATE THE SOLUTION OF THE INITIAL VALUE PROBLEM: * Y = F(T,Y), A<=T<=B, Y(A) = ALPHA, * AT N+1 EQUALLY SPACED POINTS IN THE INTERVAL [A,B]. * * INPUT: ENDPOINTS A,B INITIAL CONDITION ALPHA INTEGER N. * * OUTPUT: APPROXIMATION W TO Y AT THE (N+1) VALUES OF T. */
標簽： APPROXIMATE ALGORITHM THE SOLUTION
上傳時間： 2015-08-20
上傳用戶：zhangliming420
support vector classification machine ％ soft margin ％ uses "kernel.m" ％ ％ xtrain: (Ltrain,N) with Ltrain: number of points N: dimension ％ ytrain: (Ltrain,1) containing class labels (-1 or +1) ％ xrun: (Lrun,N) with Lrun: number of points N: dimension ％ atrain: alpha coefficients (from svcm_train on xtrain and ytrain) ％ btrain: offest coefficient (from svcm_train on xtrain and ytrain) ％ ％ ypred: predicted y (Lrun,1) containing class labels (-1 or +1) ％ margin: (signed) separation from the separating hyperplane (Lrun,1
標簽： classification support machine Ltrain
上傳時間： 2015-09-04
上傳用戶：問題問題
performs one of the matrix-vector operations y := alpha*A*x + beta*y, or y := alpha*A *x + beta*y, where alpha and beta are scalars, x and y are vectors and A is an m by n matrix
標簽： alpha beta matrix-vector operations
上傳時間： 2014-08-17
上傳用戶：qlpqlq
