天堂一区二区三区,欧洲色大大久久,国产日本一区二区三区

概率密度

隨著這些年計(jì)算機(jī)硬件水平的發(fā)展, 計(jì)算速度的提高, 源自序列蒙特卡羅方法的蒙特卡羅粒子濾波方法的應(yīng)用研究又重新活躍起來(lái)。本文的這種蒙特卡羅粒子濾波算法是利用序列重要性采樣的概念, 用一系列離散的帶權(quán)重

隨著這些年計(jì)算機(jī)硬件水平的發(fā)展, 計(jì)算速度的提高, 源自序列蒙特卡羅方法的蒙特卡羅粒子濾波方法的應(yīng)用研究又重新活躍起來(lái)。本文的這種蒙特卡羅粒子濾波算法是利用序列重要性采樣的概念, 用一系列離散的帶權(quán)重隨機(jī)樣本近似相應(yīng)的概率密度函數(shù)。由于粒子濾波方法沒(méi)有像廣義卡爾曼濾波方法那樣對(duì)非線性系統(tǒng)做線性化的近似, 所以在非線性狀態(tài)估計(jì)方面比廣義卡爾曼濾波更有優(yōu)勢(shì)。在很多方面的應(yīng)用已經(jīng)逐漸有替代廣義卡爾曼濾波的趨勢(shì)。

標(biāo)簽： 蒙特卡羅序列粒子濾波計(jì)算機(jī)硬件

上傳時(shí)間： 2014-09-10

上傳用戶：671145514
本文的題目是改進(jìn)的粒子濾波在組合導(dǎo)航中的應(yīng)用研究。文檔可用caj打開(kāi)。本課題首先研究了GPS/DR車載定位系統(tǒng)的組合模型

本文的題目是改進(jìn)的粒子濾波在組合導(dǎo)航中的應(yīng)用研究。文檔可用caj打開(kāi)。本課題首先研究了GPS/DR車載定位系統(tǒng)的組合模型，然后在分析了非線性濾波的基礎(chǔ)上，引入了粒子濾波。粒子濾波是一種基于遞推計(jì)算的序列蒙特卡羅算法，它采用一組從概率密度函數(shù)上隨機(jī)抽取的并附帶相關(guān)權(quán)值的粒子集來(lái)逼近后驗(yàn)概率密度，從而不受非線性、非高斯問(wèn)題的限制。雖然粒子濾波存在諸多優(yōu)點(diǎn)，然而它仍然存在諸如粒子數(shù)匿乏、濾波性能不高、實(shí)時(shí)性差等問(wèn)題。

標(biāo)簽： caj GPS DR 粒子濾波

上傳時(shí)間： 2013-12-19

上傳用戶：zhangliming420
針對(duì)線性混合信號(hào)盲分離時(shí)

針對(duì)線性混合信號(hào)盲分離時(shí)，源信號(hào)概率密度與激活函數(shù)難以確定時(shí)（尤其是源信號(hào)中既含超高斯信號(hào)，又含亞高斯信號(hào)時(shí)），依據(jù)信號(hào)pdf的一種測(cè)度--峭度，自適應(yīng)的確定激活函數(shù)，實(shí)現(xiàn)信號(hào)的盲分離，是一種基于峭度開(kāi)關(guān)的盲分離算法。

標(biāo)簽： 對(duì)線性混合信號(hào) 盲分離

上傳時(shí)間： 2014-07-23

上傳用戶：xlcky
０７年的一個(gè)ＩＥＥＥ文獻(xiàn)．傳統(tǒng)的snake是確定一組參數(shù)來(lái)調(diào)整內(nèi)外力的平衡

０７年的一個(gè)ＩＥＥＥ文獻(xiàn)．傳統(tǒng)的snake是確定一組參數(shù)來(lái)調(diào)整內(nèi)外力的平衡，本文應(yīng)用非參數(shù)snake把獲得參數(shù)這一困難的問(wèn)題轉(zhuǎn)化為求邊界的一個(gè)好的概率密度估計(jì)問(wèn)題

標(biāo)簽： snake 參數(shù)

上傳時(shí)間： 2016-03-08

上傳用戶：784533221
粒子濾波算法受到許多領(lǐng)域的研究人員的重視

粒子濾波算法受到許多領(lǐng)域的研究人員的重視，該算法的主要思想是使用一個(gè)帶有權(quán)值的粒子集合來(lái)表示系統(tǒng)的后驗(yàn)概率密度。在擴(kuò)展卡爾曼濾波和Unscented卡爾曼濾波算法的基礎(chǔ)上，本文提出一種新型粒子濾波算法。首先用Unscented卡爾曼濾波器產(chǎn)生系統(tǒng)的狀態(tài)估計(jì)，然后用擴(kuò)展卡爾曼濾波器重復(fù)這一過(guò)程并產(chǎn)生系統(tǒng)在k時(shí)刻的最終狀態(tài)估計(jì)。在實(shí)驗(yàn)中，針對(duì)非線性程度不同的兩種系統(tǒng)，分別采用五種粒子濾波算法進(jìn)行實(shí)驗(yàn)。結(jié)果證明，本文所提出算法的各方面性能都明顯優(yōu)于其他四種粒子濾波算法。

標(biāo)簽： 粒子濾波算法

上傳時(shí)間： 2013-12-24

上傳用戶：hzy5825468
一個(gè)報(bào)童從報(bào)刊發(fā)行中心訂報(bào)后零售

一個(gè)報(bào)童從報(bào)刊發(fā)行中心訂報(bào)后零售，每賣一份報(bào)紙可賺錢a元；若報(bào)紙賣不出去，則退回發(fā)行處，每退一份要賠錢b元。每天報(bào)童賣出的份數(shù)是隨機(jī)的，但報(bào)童可以根據(jù)以往賣報(bào)情況統(tǒng)計(jì)得到每天賣k份報(bào)紙的概率密度p(k)。（1）求報(bào)童每天期望收益達(dá)到最大（或損失達(dá)到最小）的定報(bào)量z。（2）改變參數(shù)a/b的值，觀察訂報(bào)量的最優(yōu)值變化，畫(huà)出變化曲線。試畫(huà)出仿真流程圖，進(jìn)行程序?qū)崿F(xiàn)，并對(duì)仿真結(jié)果進(jìn)行分析。

標(biāo)簽： 報(bào)童零

上傳時(shí)間： 2016-07-30

上傳用戶：15736969615
隨機(jī)遍量的產(chǎn)生程序說(shuō)明： 1 功能：該程序目的是要能夠產(chǎn)生包括均勻分布

隨機(jī)遍量的產(chǎn)生程序說(shuō)明： 1 功能：該程序目的是要能夠產(chǎn)生包括均勻分布，指數(shù)分布，瑞利分布和正態(tài)分布的隨機(jī)變量。本人制作的應(yīng)用程序可以方便地實(shí)現(xiàn)上述功能（暫定點(diǎn)數(shù)<10000，如有特殊要求，可以方便調(diào)整）。本應(yīng)用程序?qū)a(chǎn)生之?dāng)?shù)據(jù)存在用戶指定的文本文件當(dāng)中，用記事本可以方便察看和保存。同時(shí)，應(yīng)用程序繪出了隨機(jī)變量的大致概率密度函數(shù)圖，這有助于用戶直觀地判斷隨機(jī)變量類型的正確性。 2.操作方法： 2.1 在應(yīng)用程序中輸入要產(chǎn)生地隨機(jī)變量點(diǎn)數(shù)，并選擇隨機(jī)變量類型 2.2 按“確定”產(chǎn)生數(shù)據(jù) 2.3 按“輸出到文件”保存產(chǎn)生的數(shù)據(jù)（用戶可以指定文件存放的位置和文件名） 3. 隨機(jī)變量的產(chǎn)生原理：反變換法（可以參見(jiàn)以下文獻(xiàn)之P438-P447）徐利治主編現(xiàn)代數(shù)學(xué)手冊(cè) 隨機(jī)數(shù)學(xué)卷/《現(xiàn)代數(shù)學(xué)手冊(cè)》武漢：華中科技大學(xué)出版社 2

標(biāo)簽： 程序隨機(jī) 分布

上傳時(shí)間： 2013-12-30

上傳用戶：王楚楚
parzen窗法

parzen窗法，功能是根據(jù)樣本進(jìn)行概率密度函數(shù)估計(jì)。實(shí)現(xiàn)了對(duì)正態(tài)分布概率密度函數(shù)和均勻分布雙峰概密函數(shù)進(jìn)行估計(jì)

標(biāo)簽： parzen

上傳時(shí)間： 2014-01-16

上傳用戶：417313137
模式識(shí)別課件當(dāng)預(yù)先不知道類型數(shù)目

模式識(shí)別課件當(dāng)預(yù)先不知道類型數(shù)目，或者用參數(shù)估計(jì)和非參數(shù)估計(jì)難以確定不同類型的類概率密度函數(shù)時(shí)，為了確定分類器的性能，可以利用聚類分析的方法。

標(biāo)簽： 模式識(shí)別

上傳時(shí)間： 2014-01-09

上傳用戶：小鵬
ERF函數(shù)的原代碼,erf(x)=(2/根號(hào)下派)*(exp(-z方)對(duì)z積分

ERF函數(shù)的原代碼,erf(x)=(2/根號(hào)下派)*(exp(-z方)對(duì)z積分，積分下限是0，上限是x)，誤差函數(shù)從形式上很像正態(tài)分布的分布函數(shù)Φ(x)，是對(duì)一個(gè)形如正態(tài)分布的概率密度函數(shù)做變上限積分的結(jié)果；

標(biāo)簽： ERF erf exp 函數(shù)

上傳時(shí)間： 2014-07-01

上傳用戶：wangzhen1990