亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

語(yǔ)音識(shí)別中的說(shuō)話人自適應(yīng)研究.nh 1.MAP和MLLR算法比較 文章在討論由說(shuō)話人引起的聲學(xué)差異基礎(chǔ)上

語(yǔ)音識(shí)別中的說(shuō)話人自適應(yīng)研究.nh 1.MAP和MLLR算法比較 文章在討論由說(shuō)話人引起的聲學(xué)差異基礎(chǔ)上，研究?jī)煞N基于模型 的自適應(yīng)算法:最大似然線性回歸(州壓LR)和最大后驗(yàn)概率(MAp)。 實(shí)驗(yàn)結(jié)果表明，不論采用哪種自適應(yīng)都能使識(shí)別率有一定的提升。兩 種算法之間的差異性在于MAP具有良好的漸進(jìn)性，但收斂性較差， 而MLLR在很大程度上改善了收斂特性，但其漸進(jìn)特性卻不如MAP。 文章討論了在側(cè)汰P自適應(yīng)中，初始模型參數(shù)的先驗(yàn)知識(shí)對(duì)自適 應(yīng)效果的影響，以及在MLLR中，回歸類(lèi)對(duì)自適應(yīng)效果的影響。文 章還進(jìn)一步研究了采用兩種算法的累加自適應(yīng)效果，從結(jié)果看MAP 和MLLR結(jié)合的方法比單獨(dú)使用M[AP和MLLR的效果要好。文章 還對(duì)包括基于特征層的歸一化算法和用于基于聲學(xué)模型的MLLR算 法等效性進(jìn)行討論，并給出了統(tǒng)一的算法框架。

標(biāo)簽： MLLR MAP nh 語(yǔ)音識(shí)別

上傳時(shí)間： 2014-01-09

上傳用戶：bakdesec

Fortran - Tóm tắ t nộ i dung mô n họ c Các khái niệ m và yế u tố

Fortran - Tóm tắ t nộ i dung mô n họ c Các khái niệ m và yế u tố trong ngô n ngữ lậ p trình FORTRAN. Các câ u lệ nh củ a ngô n ngữ FORTRAN. Cơ bả n về chư ơ ng chư ơ ng dị ch và mô i trư ờ ng lậ p trình DIGITAL Visual Fortran. Viế t và chạ y các chư ơ ng trình cho các bài toán đ ơ n giả n bằ ng ngô n ngữ FORTRAN.

標(biāo)簽： Fortran 7855 7897 7885

上傳時(shí)間： 2013-12-25

上傳用戶：songrui

約瑟夫問(wèn)題 編號(hào)為1,2,3,…,n的n個(gè)人按順序針?lè)较驀粡垐A桌旁

約瑟夫問(wèn)題 編號(hào)為1,2,3,…,n的n個(gè)人按順序針?lè)较驀粡垐A桌旁，每個(gè)人手中持有 一個(gè)密碼（正整數(shù)）。首先輸入一個(gè)正整數(shù)作為報(bào)數(shù)上限值m，然后，從第一個(gè)人開(kāi)始按順序針?lè)较蜃?開(kāi)始順序報(bào)數(shù)，報(bào)到m的人離開(kāi)桌子，并將他手中的密碼作為新的m值，從順序針?lè)较虻南乱粋€(gè)就坐在桌旁的人開(kāi)始重新從1報(bào)數(shù)，如此下去，直至所有人全部離開(kāi)桌旁為止。

標(biāo)簽： 方向

上傳時(shí)間： 2017-08-03

上傳用戶：cc1

約瑟夫環(huán)：編號(hào)為1,2,3,…,n的n個(gè)人按順時(shí)針?lè)较驀蝗?/a>

標(biāo)簽： 方向

上傳時(shí)間： 2017-08-04

上傳用戶：003030

kruskal算法求解最小生成樹(shù) 　K r u s k a l算法每次選擇n- 1條邊

kruskal算法求解最小生成樹(shù) 　K r u s k a l算法每次選擇n- 1條邊，所使用的貪婪準(zhǔn)則是：從剩下的邊中選擇一條不會(huì)產(chǎn)生環(huán)路的具有最小耗費(fèi)的邊加入已選擇的邊的集合中。注意到所選取的邊若產(chǎn)生環(huán)路則不可能形成一棵生成樹(shù)。K r u s k a l算法分e 步，其中e 是網(wǎng)絡(luò)中邊的數(shù)目。按耗費(fèi)遞增的順序來(lái)考慮這e 條邊，每次考慮一條邊。當(dāng)考慮某條邊時(shí)，若將其加入到已選邊的集合中會(huì)出現(xiàn)環(huán)路，則將其拋棄，否則，將它選入。

標(biāo)簽： kruskal 算法 生成樹(shù)

上傳時(shí)間： 2013-12-14

上傳用戶：pompey

一、問(wèn)題描述若要在n個(gè)城市之間建役通信網(wǎng)絡(luò)

一、問(wèn)題描述若要在n個(gè)城市之間建役通信網(wǎng)絡(luò)，只福要架設(shè)n-1條級(jí)路即可．如何以最低的經(jīng)濟(jì)代價(jià)建設(shè)這個(gè)通信網(wǎng)，是一個(gè)網(wǎng)的最小生成樹(shù)問(wèn)題。二、基本要求 （1）利用克魯斯卡爾算法求圖的最小生成樹(shù)。 （2）能實(shí)現(xiàn)教科書(shū)6.5節(jié)中定義的抽象數(shù)據(jù)類(lèi)型MFSet.以此表示構(gòu)造生成樹(shù)過(guò)程中的連通分量。 (3 ) 以文本形式輸出生成樹(shù)中各條邊以及他們的權(quán)值．三、需求分析 1、構(gòu)造圖結(jié)構(gòu)。 2、利用克魯斯卡爾算法求圖的最小生成樹(shù)。 3、完成生成樹(shù)的輸出。

標(biāo)簽： 城市 通信網(wǎng)絡(luò)

上傳時(shí)間： 2017-08-24

上傳用戶：wlcaption

這個(gè)程序可以自定義顏色選擇框

這個(gè)程序可以自定義顏色選擇框，因?yàn)閙atlab自帶的uisetcolor在編譯后的.exe中運(yùn)行會(huì)導(dǎo)致窗口最小化，所以可以自定義顏色選擇框

標(biāo)簽： 程序 自定義

上傳時(shí)間： 2013-12-12

上傳用戶：蠢蠢66

求一個(gè)復(fù)正弦加白噪聲隨機(jī)過(guò)程的信號(hào)： xn=exp(j*pi*n-j*pi)+exp(j*w0*n-j*0.7*pi)+v v(n)為零均值白噪聲。S/N=10dB。取P=3

求一個(gè)復(fù)正弦加白噪聲隨機(jī)過(guò)程的信號(hào)： xn=exp(j*pi*n-j*pi)+exp(j*w0*n-j*0.7*pi)+v v(n)為零均值白噪聲。S/N=10dB。取P=3，構(gòu)造4階的自相關(guān)矩陣R的基于MUSIC算法的功率譜估計(jì)的MATLAB程序

標(biāo)簽： exp n-j pi 0.7

上傳時(shí)間： 2017-08-31

上傳用戶：franktu

C語(yǔ)言算法速查手冊(cè) 書(shū)本附件

第1章　緒論　1 1.1　程序設(shè)計(jì)語(yǔ)言概述　1 1.1.1　機(jī)器語(yǔ)言　1 1.1.2　匯編語(yǔ)言　2 1.1.3　高級(jí)語(yǔ)言　2 1.1.4　C語(yǔ)言　3 1.2　C語(yǔ)言的優(yōu)點(diǎn)和缺點(diǎn)　4 1.2.1　C語(yǔ)言的優(yōu)點(diǎn)　4 1.2.2　C語(yǔ)言的缺點(diǎn)　6 1.3　算法概述　7 1.3.1　算法的基本特征　7 1.3.2　算法的復(fù)雜度　8 1.3.3　算法的準(zhǔn)確性　10 1.3.4　算法的穩(wěn)定性　14 第2章　復(fù)數(shù)運(yùn)算　18 2.1　復(fù)數(shù)的四則運(yùn)算　18 2.1.1　[算法1]　復(fù)數(shù)乘法　18 2.1.2　[算法2]　復(fù)數(shù)除法　20 2.1.3　【實(shí)例5】 復(fù)數(shù)的四則運(yùn)算　22 2.2　復(fù)數(shù)的常用函數(shù)運(yùn)算　23 2.2.1　[算法3]　復(fù)數(shù)的乘冪　23 2.2.2　[算法4]　復(fù)數(shù)的n次方根　25 2.2.3　[算法5]　復(fù)數(shù)指數(shù)　27 2.2.4　[算法6]　復(fù)數(shù)對(duì)數(shù)　29 2.2.5　[算法7]　復(fù)數(shù)正弦　30 2.2.6　[算法8]　復(fù)數(shù)余弦　32 2.2.7　【實(shí)例6】 復(fù)數(shù)的函數(shù)運(yùn)算　34 第3章　多項(xiàng)式計(jì)算　37 3.1　多項(xiàng)式的表示方法　37 3.1.1　系數(shù)表示法　37 3.1.2　點(diǎn)表示法　38 3.1.3　[算法9]　系數(shù)表示轉(zhuǎn)化為點(diǎn)表示　38 3.1.4　[算法10]　點(diǎn)表示轉(zhuǎn)化為系數(shù)表示　42 3.1.5　【實(shí)例7】　系數(shù)表示法與點(diǎn)表示法的轉(zhuǎn)化　46 3.2　多項(xiàng)式運(yùn)算　47 3.2.1　[算法11]　復(fù)系數(shù)多項(xiàng)式相乘　47 3.2.2　[算法12]　實(shí)系數(shù)多項(xiàng)式相乘　50 3.2.3　[算法13]　復(fù)系數(shù)多項(xiàng)式相除　52 3.2.4　[算法14]　實(shí)系數(shù)多項(xiàng)式相除　54 3.2.5　【實(shí)例8】　復(fù)系數(shù)多項(xiàng)式的乘除法　56 3.2.6　【實(shí)例9】　實(shí)系數(shù)多項(xiàng)式的乘除法　57 3.3　多項(xiàng)式的求值　59 3.3.1　[算法15]　一元多項(xiàng)式求值　59 3.3.2　[算法16]　一元多項(xiàng)式多組求值　60 3.3.3　[算法17]　二元多項(xiàng)式求值　63 3.3.4　【實(shí)例10】　一元多項(xiàng)式求值　65 3.3.5　【實(shí)例11】　二元多項(xiàng)式求值　66 第4章　矩陣計(jì)算　68 4.1　矩陣相乘　68 4.1.1　[算法18]　實(shí)矩陣相乘　68 4.1.2　[算法19]　復(fù)矩陣相乘　70 4.1.3　【實(shí)例12】 實(shí)矩陣與復(fù)矩陣的乘法　72 4.2　矩陣的秩與行列式值　73 4.2.1　[算法20]　求矩陣的秩　73 4.2.2　[算法21]　求一般矩陣的行列式值　76 4.2.3　[算法22]　求對(duì)稱正定矩陣的行列式值　80 4.2.4　【實(shí)例13】 求矩陣的秩和行列式值　82 4.3　矩陣求逆　84 4.3.1　[算法23]　求一般復(fù)矩陣的逆　84 4.3.2　[算法24]　求對(duì)稱正定矩陣的逆　90 4.3.3　[算法25]　求托伯利茲矩陣逆的Trench方法　92 4.3.4　【實(shí)例14】 驗(yàn)證矩陣求逆算法　97 4.3.5　【實(shí)例15】 驗(yàn)證T矩陣求逆算法　99 4.4　矩陣分解與相似變換　102 4.4.1　[算法26]　實(shí)對(duì)稱矩陣的LDL分解　102 4.4.2　[算法27]　對(duì)稱正定實(shí)矩陣的Cholesky分解　104 4.4.3　[算法28]　一般實(shí)矩陣的全選主元LU分解　107 4.4.4　[算法29]　一般實(shí)矩陣的QR分解　112 4.4.5　[算法30]　對(duì)稱實(shí)矩陣相似變換為對(duì)稱三對(duì)角陣　116 4.4.6　[算法31]　一般實(shí)矩陣相似變換為上Hessen-Burg矩陣　121 4.4.7　【實(shí)例16】 對(duì)一般實(shí)矩陣進(jìn)行QR分解　126 4.4.8　【實(shí)例17】 對(duì)稱矩陣的相似變換　127 4.4.9　【實(shí)例18】 一般實(shí)矩陣相似變換　129 4.5　矩陣特征值的計(jì)算　130 4.5.1　[算法32]　求上Hessen-Burg矩陣全部特征值的QR方法　130 4.5.2　[算法33]　求對(duì)稱三對(duì)角陣的全部特征值　137 4.5.3　[算法34]　求對(duì)稱矩陣特征值的雅可比法　143 4.5.4　[算法35]　求對(duì)稱矩陣特征值的雅可比過(guò)關(guān)法　147 4.5.5　【實(shí)例19】 求上Hessen-Burg矩陣特征值　151 4.5.6　【實(shí)例20】 分別用兩種雅克比法求對(duì)稱矩陣特征值　152 第5章　線性代數(shù)方程組的求解　154 5.1　高斯消去法　154 5.1.1　[算法36]　求解復(fù)系數(shù)方程組的全選主元高斯消去法　155 5.1.2　[算法37]　求解實(shí)系數(shù)方程組的全選主元高斯消去法　160 5.1.3　[算法38]　求解復(fù)系數(shù)方程組的全選主元高斯-約當(dāng)消去法　163 5.1.4　[算法39]　求解實(shí)系數(shù)方程組的全選主元高斯-約當(dāng)消去法　168 5.1.5　[算法40]　求解大型稀疏系數(shù)矩陣方程組的高斯-約當(dāng)消去法　171 5.1.6　[算法41]　求解三對(duì)角線方程組的追趕法　174 5.1.7　[算法42]　求解帶型方程組的方法　176 5.1.8　【實(shí)例21】 解線性實(shí)系數(shù)方程組　179 5.1.9　【實(shí)例22】 解線性復(fù)系數(shù)方程組　180 5.1.10　【實(shí)例23】 解三對(duì)角線方程組　182 5.2　矩陣分解法　184 5.2.1　[算法43]　求解對(duì)稱方程組的LDL分解法　184 5.2.2　[算法44]　求解對(duì)稱正定方程組的Cholesky分解法　186 5.2.3　[算法45]　求解線性最小二乘問(wèn)題的QR分解法　188 5.2.4　【實(shí)例24】 求解對(duì)稱正定方程組　191 5.2.5　【實(shí)例25】 求解線性最小二乘問(wèn)題　192 5.3　迭代方法　193 5.3.1　[算法46]　病態(tài)方程組的求解　193 5.3.2　[算法47]　雅克比迭代法　197 5.3.3　[算法48]　高斯-塞德?tīng)柕ā?00 5.3.4　[算法49]　超松弛方法　203 5.3.5　[算法50]　求解對(duì)稱正定方程組的共軛梯度方法　205 5.3.6　[算法51]　求解托伯利茲方程組的列文遜方法　209 5.3.7　【實(shí)例26】 解病態(tài)方程組　214 5.3.8　【實(shí)例27】 用迭代法解方程組　215 5.3.9　【實(shí)例28】 求解托伯利茲方程組　217 第6章　非線性方程與方程組的求解　219 6.1　非線性方程求根的基本過(guò)程　219 6.1.1　確定非線性方程實(shí)根的初始近似值或根的所在區(qū)間　219 6.1.2　求非線性方程根的精確解　221 6.2　求非線性方程一個(gè)實(shí)根的方法　221 6.2.1　[算法52]　對(duì)分法　221 6.2.2　[算法53]　牛頓法　223 6.2.3　[算法54]　插值法　226 6.2.4　[算法55]　埃特金迭代法　229 6.2.5　【實(shí)例29】 用對(duì)分法求非線性方程組的實(shí)根　232 6.2.6　【實(shí)例30】 用牛頓法求非線性方程組的實(shí)根　233 6.2.7　【實(shí)例31】 用插值法求非線性方程組的實(shí)根　235 6.2.8　【實(shí)例32】 用埃特金迭代法求非線性方程組的實(shí)根　237 6.3　求實(shí)系數(shù)多項(xiàng)式方程全部根的方法　238 6.3.1　[算法56]　QR方法　238 6.3.2　【實(shí)例33】　用QR方法求解多項(xiàng)式的全部根　240 6.4　求非線性方程組一組實(shí)根的方法　241 6.4.1　[算法57]　梯度法　241 6.4.2　[算法58]　擬牛頓法　244 6.4.3　【實(shí)例34】 用梯度法計(jì)算非線性方程組的一組實(shí)根　250 6.4.4　【實(shí)例35】 用擬牛頓法計(jì)算非線性方程組的一組實(shí)根　252 第7章　代數(shù)插值法　254 7.1　拉格朗日插值法　254 7.1.1　[算法59]　線性插值　255 7.1.2　[算法60]　二次拋物線插值　256 7.1.3　[算法61]　全區(qū)間插值　259 7.1.4　【實(shí)例36】 拉格朗日插值　262 7.2　埃爾米特插值　263 7.2.1　[算法62]　埃爾米特不等距插值　263 7.2.2　[算法63]　埃爾米特等距插值　267 7.2.3　【實(shí)例37】 埃爾米特插值法　270 7.3　埃特金逐步插值　271 7.3.1　[算法64]　埃特金不等距插值　272 7.3.2　[算法65]　埃特金等距插值　275 7.3.3　【實(shí)例38】 埃特金插值　278 7.4　光滑插值　279 7.4.1　[算法66]　光滑不等距插值　279 7.4.2　[算法67]　光滑等距插值　283 7.4.3　【實(shí)例39】 光滑插值　286 7.5　三次樣條插值　287 7.5.1　[算法68]　第一類(lèi)邊界條件的三次樣條函數(shù)插值　287 7.5.2　[算法69]　第二類(lèi)邊界條件的三次樣條函數(shù)插值　292 7.5.3　[算法70]　第三類(lèi)邊界條件的三次樣條函數(shù)插值　296 7.5.4　【實(shí)例40】 樣條插值法　301 7.6　連分式插值　303 7.6.1　[算法71]　連分式插值　304 7.6.2　【實(shí)例41】 驗(yàn)證連分式插值的函數(shù)　308 第8章　數(shù)值積分法　309 8.1　變步長(zhǎng)求積法　310 8.1.1　[算法72]　變步長(zhǎng)梯形求積法　310 8.1.2　[算法73]　自適應(yīng)梯形求積法　313 8.1.3　[算法74]　變步長(zhǎng)辛卜生求積法　316 8.1.4　[算法75]　變步長(zhǎng)辛卜生二重積分方法　318 8.1.5　[算法76]　龍貝格積分　322 8.1.6　【實(shí)例42】 變步長(zhǎng)積分法進(jìn)行一重積分　325 8.1.7　【實(shí)例43】 變步長(zhǎng)辛卜生積分法進(jìn)行二重積分　326 8.2　高斯求積法　328 8.2.1　[算法77]　勒讓德-高斯求積法　328 8.2.2　[算法78]　切比雪夫求積法　331 8.2.3　[算法79]　拉蓋爾-高斯求積法　334 8.2.4　[算法80]　埃爾米特-高斯求積法　336 8.2.5　[算法81]　自適應(yīng)高斯求積方法　337 8.2.6　【實(shí)例44】 有限區(qū)間高斯求積法　342 8.2.7　【實(shí)例45】 半無(wú)限區(qū)間內(nèi)高斯求積法　343 8.2.8　【實(shí)例46】 無(wú)限區(qū)間內(nèi)高斯求積法　345 8.3　連分式法　346 8.3.1　[算法82]　計(jì)算一重積分的連分式方法　346 8.3.2　[算法83]　計(jì)算二重積分的連分式方法　350 8.3.3　【實(shí)例47】 連分式法進(jìn)行一重積分　354 8.3.4　【實(shí)例48】 連分式法進(jìn)行二重積分　355 8.4　蒙特卡洛法　356 8.4.1　[算法84]　蒙特卡洛法進(jìn)行一重積分　356 8.4.2　[算法85]　蒙特卡洛法進(jìn)行二重積分　358 8.4.3　【實(shí)例49】 一重積分的蒙特卡洛法　360 8.4.4　【實(shí)例50】 二重積分的蒙特卡洛法　361 第9章　常微分方程(組)初值問(wèn)題的求解　363 9.1　歐拉方法　364 9.1.1　[算法86]　定步長(zhǎng)歐拉方法　364 9.1.2　[算法87]　變步長(zhǎng)歐拉方法　366 9.1.3　[算法88]　改進(jìn)的歐拉方法　370 9.1.4　【實(shí)例51】 歐拉方法求常微分方程數(shù)值解　372 9.2　龍格-庫(kù)塔方法　376 9.2.1　[算法89]　定步長(zhǎng)龍格-庫(kù)塔方法　376 9.2.2　[算法90]　變步長(zhǎng)龍格-庫(kù)塔方法　379 9.2.3　[算法91]　變步長(zhǎng)基爾方法　383 9.2.4　【實(shí)例52】 龍格-庫(kù)塔方法求常微分方程的初值問(wèn)題　386 9.3　線性多步法　390 9.3.1　[算法92]　阿當(dāng)姆斯預(yù)報(bào)校正法　390 9.3.2　[算法93]　哈明方法　394 9.3.3　[算法94]　全區(qū)間積分的雙邊法　399 9.3.4　【實(shí)例53】 線性多步法求常微分方程組初值問(wèn)題　401 第10章　擬合與逼近　405 10.1　一元多項(xiàng)式擬合　405 10.1.1　[算法95]　最小二乘擬合　405 10.1.2　[算法96]　最佳一致逼近的里米茲方法　412 10.1.3　【實(shí)例54】 一元多項(xiàng)式擬合　417 10.2　矩形區(qū)域曲面擬合　419 10.2.1　[算法97]　矩形區(qū)域最小二乘曲面擬合　419 10.2.2　【實(shí)例55】 二元多項(xiàng)式擬合　428 第11章　特殊函數(shù)　430 11.1　連分式級(jí)數(shù)和指數(shù)積分　430 11.1.1　[算法98]　連分式級(jí)數(shù)求值　430 11.1.2　[算法99]　指數(shù)積分　433 11.1.3　【實(shí)例56】 連分式級(jí)數(shù)求值　436 11.1.4　【實(shí)例57】 指數(shù)積分求值　438 11.2　伽馬函數(shù)　439 11.2.1　[算法100]　伽馬函數(shù)　439 11.2.2　[算法101]　貝塔函數(shù)　441 11.2.3　[算法102]　階乘　442 11.2.4　【實(shí)例58】　伽馬函數(shù)和貝塔函數(shù)求值　443 11.2.5　【實(shí)例59】　階乘求值　444 11.3　不完全伽馬函數(shù)　445 11.3.1　[算法103]　不完全伽馬函數(shù)　445 11.3.2　[算法104]　誤差函數(shù)　448 11.3.3　[算法105]　卡方分布函數(shù)　450 11.3.4　【實(shí)例60】　不完全伽馬函數(shù)求值　451 11.3.5　【實(shí)例61】　誤差函數(shù)求值　452 11.3.6　【實(shí)例62】　卡方分布函數(shù)求值　453 11.4　不完全貝塔函數(shù)　454 11.4.1　[算法106]　不完全貝塔函數(shù)　454 11.4.2　[算法107]　學(xué)生分布函數(shù)　457 11.4.3　[算法108]　累積二項(xiàng)式分布函數(shù)　458 11.4.4　【實(shí)例63】　不完全貝塔函數(shù)求值　459 11.5　貝塞爾函數(shù)　461 11.5.1　[算法109]　第一類(lèi)整數(shù)階貝塞爾函數(shù)　461 11.5.2　[算法110]　第二類(lèi)整數(shù)階貝塞爾函數(shù)　466 11.5.3　[算法111]　變型第一類(lèi)整數(shù)階貝塞爾函數(shù)　469 11.5.4　[算法112]　變型第二類(lèi)整數(shù)階貝塞爾函數(shù)　473 11.5.5　【實(shí)例64】　貝塞爾函數(shù)求值　476 11.5.6　【實(shí)例65】　變型貝塞爾函數(shù)求值　477 11.6　Carlson橢圓積分　479 11.6.1　[算法113]　第一類(lèi)橢圓積分　479 11.6.2　[算法114]　第一類(lèi)橢圓積分的退化形式　481 11.6.3　[算法115]　第二類(lèi)橢圓積分　483 11.6.4　[算法116]　第三類(lèi)橢圓積分　486 11.6.5　【實(shí)例66】　第一類(lèi)勒讓德橢圓函數(shù)積分求值　490 11.6.6　【實(shí)例67】　第二類(lèi)勒讓德橢圓函數(shù)積分求值　492 第12章　極值問(wèn)題　494 12.1　一維極值求解方法　494 12.1.1　[算法117]　確定極小值點(diǎn)所在的區(qū)間　494 12.1.2　[算法118]　一維黃金分割搜索　499 12.1.3　[算法119]　一維Brent方法　502 12.1.4　[算法120]　使用一階導(dǎo)數(shù)的Brent方法　506 12.1.5　【實(shí)例68】　使用黃金分割搜索法求極值　511 12.1.6　【實(shí)例69】　使用Brent法求極值　513 12.1.7　【實(shí)例70】　使用帶導(dǎo)數(shù)的Brent法求極值　515 12.2　多元函數(shù)求極值　517 12.2.1　[算法121]　不需要導(dǎo)數(shù)的一維搜索　517 12.2.2　[算法122]　需要導(dǎo)數(shù)的一維搜索　519 12.2.3　[算法123]　Powell方法　522 12.2.4　[算法124]　共軛梯度法　525 12.2.5　[算法125]　準(zhǔn)牛頓法　531 12.2.6　【實(shí)例71】　驗(yàn)證不使用導(dǎo)數(shù)的一維搜索　536 12.2.7　【實(shí)例72】　用Powell算法求極值　537 12.2.8　【實(shí)例73】　用共軛梯度法求極值　539 12.2.9　【實(shí)例74】　用準(zhǔn)牛頓法求極值　540 12.3　單純形法　542 12.3.1　[算法126]　求無(wú)約束條件下n維極值的單純形法　542 12.3.2　[算法127]　求有約束條件下n維極值的單純形法　548 12.3.3　[算法128]　解線性規(guī)劃問(wèn)題的單純形法　556 12.3.4　【實(shí)例75】　用單純形法求無(wú)約束條件下N維的極值　568 12.3.5　【實(shí)例76】　用單純形法求有約束條件下N維的極值　569 12.3.6　【實(shí)例77】　求解線性規(guī)劃問(wèn)題　571 第13章　隨機(jī)數(shù)產(chǎn)生與統(tǒng)計(jì)描述　574 13.1　均勻分布隨機(jī)序列　574 13.1.1　[算法129]　產(chǎn)生0到1之間均勻分布的一個(gè)隨機(jī)數(shù)　574 13.1.2　[算法130]　產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)序列　576 13.1.3　[算法131]　產(chǎn)生任意區(qū)間內(nèi)均勻分布的一個(gè)隨機(jī)整數(shù)　577 13.1.4　[算法132]　產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機(jī)整數(shù)序列　578 13.1.5　【實(shí)例78】　產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)序列　580 13.1.6　【實(shí)例79】　產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機(jī)整數(shù)序列　581 13.2　正態(tài)分布隨機(jī)序列　582 13.2.1　[算法133]　產(chǎn)生任意均值與方差的正態(tài)分布的一個(gè)隨機(jī)數(shù)　582 13.2.2　[算法134]　產(chǎn)生任意均值與方差的正態(tài)分布的隨機(jī)數(shù)序列　585 13.2.3　【實(shí)例80】　產(chǎn)生任意均值與方差的正態(tài)分布的一個(gè)隨機(jī)數(shù)　587 13.2.4　【實(shí)例81】　產(chǎn)生任意均值與方差的正態(tài)分布的隨機(jī)數(shù)序列　588 13.3　統(tǒng)計(jì)描述　589 13.3.1　[算法135]　分布的矩　589 13.3.2　[算法136]　方差相同時(shí)的t分布檢驗(yàn)　591 13.3.3　[算法137]　方差不同時(shí)的t分布檢驗(yàn)　594 13.3.4　[算法138]　方差的F檢驗(yàn)　596 13.3.5　[算法139]　卡方檢驗(yàn)　599 13.3.6　【實(shí)例82】　計(jì)算隨機(jī)樣本的矩　601 13.3.7　【實(shí)例83】　t分布檢驗(yàn)　602 13.3.8　【實(shí)例84】　F分布檢驗(yàn)　605 13.3.9　【實(shí)例85】　檢驗(yàn)卡方檢驗(yàn)的算法　607 第14章　查找　609 14.1　基本查找　609 14.1.1　[算法140]　有序數(shù)組的二分查找　609 14.1.2　[算法141]　無(wú)序數(shù)組同時(shí)查找最大和最小的元素　611 14.1.3　[算法142]　無(wú)序數(shù)組查找第M小的元素　613 14.1.4　【實(shí)例86】　基本查找　615 14.2　結(jié)構(gòu)體和磁盤(pán)文件的查找　617 14.2.1　[算法143]　無(wú)序結(jié)構(gòu)體數(shù)組的順序查找　617 14.2.2　[算法144]　磁盤(pán)文件中記錄的順序查找　618 14.2.3　【實(shí)例87】　結(jié)構(gòu)體數(shù)組和文件中的查找　619 14.3　哈希查找　622 14.3.1　[算法145]　字符串哈希函數(shù)　622 14.3.2　[算法146]　哈希函數(shù)　626 14.3.3　[算法147]　向哈希表中插入元素　628 14.3.4　[算法148]　在哈希表中查找元素　629 14.3.5　[算法149]　在哈希表中刪除元素　631 14.3.6　【實(shí)例88】　構(gòu)造哈希表并進(jìn)行查找　632 第15章　排序　636 15.1　插入排序　636 15.1.1　[算法150]　直接插入排序　636 15.1.2　[算法151]　希爾排序　637 15.1.3　【實(shí)例89】　插入排序　639 15.2　交換排序　641 15.2.1　[算法152]　氣泡排序　641 15.2.2　[算法153]　快速排序　642 15.2.3　【實(shí)例90】　交換排序　644 15.3　選擇排序　646 15.3.1　[算法154]　直接選擇排序　646 15.3.2　[算法155]　堆排序　647 15.3.3　【實(shí)例91】　選擇排序　650 15.4　線性時(shí)間排序　651 15.4.1　[算法156]　計(jì)數(shù)排序　651 15.4.2　[算法157]　基數(shù)排序　653 15.4.3　【實(shí)例92】　線性時(shí)間排序　656 15.5　歸并排序　657 15.5.1　[算法158]　二路歸并排序　658 15.5.2　【實(shí)例93】　二路歸并排序　660 第16章　數(shù)學(xué)變換與濾波　662 16.1　快速傅里葉變換　662 16.1.1　[算法159]　復(fù)數(shù)據(jù)快速傅里葉變換　662 16.1.2　[算法160]　復(fù)數(shù)據(jù)快速傅里葉逆變換　666 16.1.3　[算法161]　實(shí)數(shù)據(jù)快速傅里葉變換　669 16.1.4　【實(shí)例94】　驗(yàn)證傅里葉變換的函數(shù)　671 16.2　其他常用變換　674 16.2.1　[算法162]　快速沃爾什變換　674 16.2.2　[算法163]　快速哈達(dá)瑪變換　678 16.2.3　[算法164]　快速余弦變換　682 16.2.4　【實(shí)例95】　驗(yàn)證沃爾什變換和哈達(dá)瑪?shù)暮瘮?shù)　684 16.2.5　【實(shí)例96】　驗(yàn)證離散余弦變換的函數(shù)　687 16.3　平滑和濾波　688 16.3.1　[算法165]　五點(diǎn)三次平滑　689 16.3.2　[算法166]　α-β-γ濾波　690 16.3.3　【實(shí)例97】　驗(yàn)證五點(diǎn)三次平滑　692 16.3.4　【實(shí)例98】　驗(yàn)證α-β-γ濾波算法　693  

標(biāo)簽： C 算法 附件 源代碼

上傳時(shí)間： 2015-06-29

上傳用戶：cbsdukaf

結(jié)合稀疏識(shí)別的自適應(yīng)Wallis濾波在高分辨率影像控制點(diǎn)匹配中的應(yīng)用

隨著 國(guó) 內(nèi) 遙感衛(wèi)星的迅 速發(fā)展衛(wèi)星 圖 像的 圖 幅越來(lái) 越大分辨率越來(lái)越高 。 在軌 遙感 圖 像的幾何 精 度 評(píng)價(jià)要求從待評(píng)遙感 圖 像和 多源 參考 圖 像之間精確 地提取出 分布 均 勻 的控 制 點(diǎn) 信 息 。 使用 濾波 對(duì)高 分辨率影像進(jìn) 行增強(qiáng)時(shí) ， 會(huì) 產(chǎn)生過(guò)增強(qiáng) 和飽和 現(xiàn)象 影響 了 控制 點(diǎn) 提取效果。 為 了 克 服上述缺陷 提出 了 一 種基于 稀 疏識(shí)別的 自 適應(yīng) 圖像增 強(qiáng)算 法。 方法 首先計(jì)算 圖像子區(qū)域的 輻射質(zhì)量參數(shù)并構(gòu) 建 分類(lèi)特征 ； 然 后通過(guò) 稀疏識(shí)別算 法確 定子區(qū)域的 地物 類(lèi)型； 最后根據(jù)子區(qū)域所屬 地物類(lèi) 型 ， 選擇不同 的 濾 波 參數(shù) 實(shí) 現(xiàn)整幅圖 像 的 自 適 應(yīng)增 強(qiáng) 并 在增 強(qiáng) 的 遙感圖 像上提 取控制 點(diǎn) 信息 實(shí) 現(xiàn)遙感圖像 的 幾何精 度 自 動(dòng) 化評(píng)價(jià)。 結(jié)果 針 對(duì)資源 三號(hào)衛(wèi)星影 像的 實(shí) 驗(yàn)結(jié)果表明 針對(duì)不同 的 子區(qū)域地物 類(lèi)型進(jìn)行 自 適 應(yīng) 增強(qiáng)， 有 效 防 止了 基于全局統(tǒng)一 參 數(shù)的 濾波帶來(lái) 的 過(guò)增 強(qiáng)和飽和現(xiàn)象 有 效增強(qiáng) 了 高 分辨 率圖像 的紋理。 結(jié)論 提出 了 一 種 新的高分 辨率遙 感影像增強(qiáng) 策略 增強(qiáng)了 高 分辨率圖 像的 紋理， 提高 了控制 點(diǎn)的 獲 取數(shù) 目 和 準(zhǔn) 確 率。 關(guān)鍵詞： 稀疏識(shí)別 ； 輻射參數(shù) ； 自 適應(yīng) 增強(qiáng)； 提取控制 點(diǎn)

標(biāo)簽： 影響匹配 Wallis

上傳時(shí)間： 2015-11-22

上傳用戶：chao1020