黄在线观看免费网站ktv,国产主播喷水一区二区,91在线超碰

聚苯胺和鈀復合

基于自組織特征映射網絡的聚類分析

基于自組織特征映射網絡的聚類分析，是在神經網絡基礎上發展起來的一種新的非監督聚類方法，分析了基于自組織特征映射網絡聚類的學習過程，分析了權系數自組織過程中鄰域函數和學習步長的一般取值問題，給出了基于自組織特征映射網絡聚類實現的具體算法，并通過實際示例測試，證實了算法的正確性。

標簽： 自組織特征映射網絡聚類分析

上傳時間： 2014-11-29

上傳用戶：xiaohuanhuan
基于小波變換和偏微分方程的圖像去噪方法

基于小波變換和偏微分方程的圖像去噪方法，把小波變換和偏微分方程兩種方法合到了一起，提出一種很新的方法，效果也比原來好

標簽： 小波變換偏微分方程圖像去噪

上傳時間： 2013-12-31

上傳用戶：llandlu
聚類PPT,包括五種算法

聚類PPT,包括五種算法，和幾種軟件的實現。實用。

標簽： 聚類算法

上傳時間： 2016-12-13

上傳用戶：change0329
關於LDPC的encoder和decoder設計的最新參考資料

關於LDPC的encoder和decoder設計的最新參考資料，將QCLDPC同MIMO系統很好的結合在一起

標簽： encoder decoder LDPC

上傳時間： 2016-12-20

上傳用戶：xaijhqx
基于GM算法和QR分解實現的穩健奇異值分解算法

基于GM算法和QR分解實現的穩健奇異值分解算法，通過該算法可以獲取一個數居陣的穩健方差－協方差陣。在該穩健方差－協方差陣上可以進行諸如，穩健主成份分解、穩健聚類、穩健因子分析等操作。

標簽： 算法分解奇異值分解

上傳時間： 2013-12-13

上傳用戶：15071087253
深入BREW開發整個BREW系統由開發平臺、運行平臺和服務器三個要素組成。開發平臺就是我們所使用的BREW SDK

深入BREW開發整個BREW系統由開發平臺、運行平臺和服務器三個要素組成。開發平臺就是我們所使用的BREW SDK，用來在PC端開發可以在運行平臺運行的程序。運行平臺就是指可以運行BREW應用程序的移動通訊設備上的BREW運行環境，它的核心是BREW的Porting Kit。服務器是連接開發和運行平臺的一個“連接器”，開發平臺所開發出的BREW應用程序放在服務器上，以便于運行平臺的用戶通過無線通訊網絡下載應用程序，其核心是ADS（Application Download Server）服務器，ADS和其他的輔助工具合起來統稱為BDS（BREW Distribution System）系統。

標簽： BREW SDK 開發平臺

上傳時間： 2013-12-24

上傳用戶：sunjet
飲羽公路測設（glcs）由20多個公路測量、設計、試驗和施工組織設計等小軟件組成。如《中樁大地坐標》可以計算不等長緩和曲線的中樁和邊樁的大地坐標；《緩和曲線反算》可以根據切線長、外距長或緩和曲線長求

飲羽公路測設（glcs）由20多個公路測量、設計、試驗和施工組織設計等小軟件組成。如《中樁大地坐標》可以計算不等長緩和曲線的中樁和邊樁的大地坐標；《緩和曲線反算》可以根據切線長、外距長或緩和曲線長求半徑等；《卵型曲線精解》可以求精確的卵型曲線的參數；《混凝土配合比》可以快速進行混凝土配合比的設計。其他還有直線、曲線擬合，規劃求解，網絡圖計算等等。所有各小軟件計算的結果統一反映在主界面上，并在主界面中編輯、修改。并

標簽： glcs 緩和曲線路測公路測量

上傳時間： 2017-02-16

上傳用戶：qweqweqwe
這里和大家分享的幾種基礎的分類方法

這里和大家分享的幾種基礎的分類方法，其中包括判別聚類分析、人工神經網絡、主成分分析等

標簽： 家分分類

上傳時間： 2017-02-19

上傳用戶：sjyy1001
JAVA實現文本聚類

JAVA實現文本聚類，用到TF/IDF權重，用余弦夾角計算文本相似度，用k-means進行數據聚類等數學和統計知識。

標簽： JAVA 文本聚類

上傳時間： 2017-02-25

上傳用戶：Avoid98
Form1.cs是應用聚類算法DBSCAN (Density-Based Spatical Clustering of Application with Noise)的示例

Form1.cs是應用聚類算法DBSCAN (Density-Based Spatical Clustering of Application with Noise)的示例，可以通過兩個參數EPS和MinPts調節聚類。 DBSCAN.cs是實現文件，聚類算法的進一步信息請參考“數據挖掘”或者相關書籍聚類示例數據來自于sxdb.mdb，一個Access數據庫

標簽： Density-Based Application Clustering Spatical

上傳時間： 2017-02-26

上傳用戶：chens000