％ FSK-FM方案的可解調(diào)問(wèn)題。 ％ 高斯噪聲 SNR = 2OdB 并假設(shè)鏡像信號(hào)非常小。仿真設(shè)置5％
上傳時(shí)間： 2013-12-25
上傳用戶：15071087253
高斯投影計(jì)算，C＋＋/CLI,采用VS2005環(huán)境.
上傳時(shí)間： 2015-10-27
上傳用戶：ynwbosss
QPSK在加性高斯白噪聲環(huán)境下，信噪比和誤碼率的仿真。 先產(chǎn)生一個(gè)四組符號(hào)的序列，再將該序列映射到對(duì)應(yīng)的相位上。用相應(yīng)的函數(shù)產(chǎn)生均值為零、方差為δ2的加性高斯噪聲。
上傳時(shí)間： 2014-01-08
上傳用戶：xc216
用列主元高斯法解用戶輸入的線性方程組。包含3個(gè)文件。
上傳時(shí)間： 2013-12-20
上傳用戶：xz85592677
貝葉斯分類器是一種最優(yōu)分類器，它假設(shè)基于可獲得的信息可以建立類別的概率密度函數(shù)，然后基于最小錯(cuò)誤率分類準(zhǔn)則進(jìn)行分類。一般假設(shè)概率密度函數(shù)是正態(tài)分布，因?yàn)檎龖B(tài)分布數(shù)學(xué)基礎(chǔ)較好。問(wèn)題就轉(zhuǎn)化為正態(tài)分布參數(shù)的估計(jì)問(wèn)題。幸運(yùn)的是，參數(shù)估計(jì)問(wèn)題已經(jīng)被很好的解決了。 基于正態(tài)分布的協(xié)方差的不同，正態(tài)概率分布型的貝葉斯分類器可分為：歐式距離分類器、馬氏距離分類器、線性判別分析、對(duì)角線性判別分析、二次判別分析和對(duì)角二次判別分析。 在具有模式的完整統(tǒng)計(jì)知識(shí)條件下，按照貝葉斯決策理論進(jìn)行設(shè)計(jì)的一種最優(yōu)分類器。分類器是對(duì)每一個(gè)輸入模式賦予一個(gè)類別名稱的軟件或硬件裝置，而貝葉斯分類器是各種分類器中分類錯(cuò)誤概率最小或者在預(yù)先給定代價(jià)的情況下平均風(fēng)險(xiǎn)最小的分類器。它的設(shè)計(jì)方法是一種最基本的統(tǒng)計(jì)分類方法。 目標(biāo)：編程實(shí)現(xiàn)正態(tài)概率分布型的貝葉斯分類器。
上傳時(shí)間： 2014-01-05
上傳用戶：葉山豪
專注于C,C++,VC 餓羅斯方塊，設(shè)備環(huán)境句柄和【俄羅斯方塊】中四個(gè)【方格】在游戲區(qū)域中的位置 // 每個(gè)【俄羅斯方塊】由四個(gè)【方格】組成7種不同的形狀
上傳時(shí)間： 2015-10-29
上傳用戶：zhouchang199
列主元消元法解線性方程組（已通過(guò)驗(yàn)證） LU分解法解線性方程組（已通過(guò)驗(yàn)證）： 雅可比迭代法（已通過(guò)P54例一和習(xí)題一的驗(yàn)證）高斯---賽得爾迭代法 拉哥朗日插值公式（乘冪法
上傳時(shí)間： 2013-12-13
上傳用戶：lifangyuan12
貝葉斯決策解決城市最短路徑問(wèn)題,人工只能實(shí)驗(yàn)項(xiàng)目
上傳時(shí)間： 2015-10-30
上傳用戶：sdq_123
貝葉斯網(wǎng)絡(luò)的一個(gè)很好用的工具箱，基于matlab7.0版本。有stanford大學(xué)的一個(gè)博士生編寫；屬于源代碼開放性質(zhì)。
標(biāo)簽： 貝葉斯 網(wǎng)絡(luò) 工具箱
上傳時(shí)間： 2014-01-20
上傳用戶：英雄
對(duì)于淹沒在復(fù)高斯白噪聲中的信噪比為-5dB二次調(diào)頻信號(hào)，在矩形窗長(zhǎng)為256的情況下，濾波器組時(shí)頻檢測(cè)仿真
標(biāo)簽： dB 高斯白噪聲 信噪比 調(diào)頻信號(hào)
上傳時(shí)間： 2015-10-31
上傳用戶：wys0120
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<nav id="8eoek"></nav>