有關(guān)于bp神經(jīng)網(wǎng)絡(luò)隱層如何采用RBF的隱層自學(xué)習(xí)方法的C語言程序
標(biāo)簽： RBF 神經(jīng)網(wǎng)絡(luò) C語言程序
上傳時(shí)間： 2013-12-17
上傳用戶：gonuiln
德州儀器新款DSP TMS320C2834X 晶片 SCI 自動(dòng) BAUD 偵測程式設(shè)計(jì).
標(biāo)簽： 2834X C2834 2834 320C
上傳時(shí)間： 2013-12-01
上傳用戶：ayfeixiao
一個(gè)C語言自判斷的論文，是吉林省某碩士生所寫
上傳時(shí)間： 2014-01-23
上傳用戶：gdgzhym
神經(jīng)網(wǎng)絡(luò)bp自學(xué)習(xí)算法的c++實(shí)現(xiàn)，是實(shí)際工程的一部分。
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 學(xué)習(xí)算法
上傳時(shí)間： 2014-12-08
上傳用戶：Zxcvbnm
通過C#發(fā)送自定義的html格式郵件,支持pop3，需要自動(dòng)發(fā)送報(bào)表,這個(gè)就很方便
上傳時(shí)間： 2016-07-27
上傳用戶：tlango1o2o3
樓術(shù)描述項(xiàng): (1).該項(xiàng)目中"我的電腦"是作者自定義的root節(jié)點(diǎn),沒有設(shè)定其路徑,所以BeforeExpand事件中會(huì)從它開始依次遍歷,但"我的電腦"會(huì)提示"沒有指定路徑".故需要if(e.Tag.ToString() != "我的電腦")判斷.同時(shí)"我的文檔"需要再次獲取其路徑,依次實(shí)現(xiàn)Add子節(jié)點(diǎn); (2).同時(shí)在"我的文檔"和盤符中需要添加tNode.Nodes.Add("")加載空節(jié)點(diǎn)形成+號(hào),如果沒有該+號(hào),BeforeExpend事件不會(huì)被調(diào)用,子目錄無法獲取加載,在BeforeExpand事件調(diào)用TreeViewItems.Add加載其子結(jié)點(diǎn)需要e.Nodes.Clear();清除該結(jié)點(diǎn)的子目錄再加載. (3).提供兩篇類似文章供大家學(xué)習(xí),經(jīng)過對(duì)比可以發(fā)現(xiàn):第一篇僅從驅(qū)動(dòng)器(C盤)開始加載,所以BeforeExpend簡單展開子目錄即可,不需要判斷"我的電腦"和"我的文檔".第二篇含"桌面",因此需要判斷路徑:"C# TreeView磁盤文件,AfterSelect顯示加號(hào)-駱駝祥子" 和"Treeview樹狀顯示文件夾" .同時(shí)補(bǔ)充一篇很優(yōu)秀的文章供大家學(xué)習(xí)"WinForm應(yīng)用：ListView做圖像瀏覽" (4).補(bǔ)充TreeView(樹視圖)事件:更詳細(xì)見"c# 樹狀視圖(TreeView類)". 事件 描述 AfterCheck 在選中節(jié)點(diǎn)復(fù)選框后引發(fā) AfterCollapse 在折疊一個(gè)節(jié)點(diǎn)后引發(fā) AfterExpand 在擴(kuò)展一個(gè)節(jié)點(diǎn)后引發(fā) AfterSelect 在選中一個(gè)節(jié)點(diǎn)后引發(fā) BeforeCheck 在選中節(jié)點(diǎn)復(fù)選框之前引發(fā) BeforeCollapse 在折疊一個(gè)節(jié)點(diǎn)之前引發(fā) BeforeExpand 在擴(kuò)展一個(gè)節(jié)點(diǎn)之前引發(fā) BeforeSelect 在選中一個(gè)節(jié)點(diǎn)之前引發(fā) (5).補(bǔ)充兩個(gè)關(guān)于論壇討論"c#怎樣動(dòng)態(tài)讀取資源文件里的圖片"和"在C＃中怎么調(diào)用Resources文件中的圖片" (6).在《C#典型模塊與項(xiàng)目實(shí)戰(zhàn)大全》(清華大學(xué)出版社-丁士鋒)書中談到,出于對(duì)程序響應(yīng)性能考慮,它先加載盤符結(jié)點(diǎn),沒有使用遞歸一次性加載所有文件到樹狀列表中,代碼通過AfterSelect事件和FileSystemWatcher控件,監(jiān)聽加載.并使用線程池Task更新加載TreeView,希望大家去學(xué)習(xí). 總結(jié) 該篇通過TreeView加載了磁盤目錄路徑,并通過ImageList加載圖標(biāo).那么怎樣實(shí)現(xiàn)閱讀文件夾下文件,獲取其圖標(biāo)、文件大小、擴(kuò)展名等信息,并雙擊打開文件呢?下一篇將接著講述.最后希望該文章對(duì)大家有所幫助,文章中很多鏈接都可以供覺得有用的同學(xué)學(xué)習(xí),感謝上面提到的文章及書籍作者.同時(shí)如果文章中有錯(cuò)誤或不足之處請(qǐng)?jiān)?有問題或建議者亦可提出.希望尊重作者勞動(dòng)果實(shí)勿噴.
上傳時(shí)間： 2016-08-15
上傳用戶：baobao9437
C++自寫String類,使用動(dòng)態(tài)數(shù)組存儲(chǔ)輸入的內(nèi)容,添加 拼接 格式化等
標(biāo)簽： String
上傳時(shí)間： 2020-06-12
上傳用戶：lace520
該文件為西門子上的PID控制，已經(jīng)成功移植，西門子PID程序(FB58)的C代碼帶自整定功能(當(dāng)你讀懂后你就能體會(huì)偉大的西門子過程控制的精妙以及STEP7命名的由來)
上傳時(shí)間： 2022-06-09
上傳用戶：
使用STM32制作的自適應(yīng)濾波器，LMS算法實(shí)現(xiàn)，C語言實(shí)現(xiàn)
標(biāo)簽： stm32 自適應(yīng)濾波器 C語言
上傳時(shí)間： 2022-06-29
上傳用戶：
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對(duì)目前該研究領(lǐng)域中存在的分析方法問題和分類識(shí)別技術(shù)難點(diǎn)展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時(shí)頻（ATF）分析方法，通過實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實(shí)現(xiàn)分類可視化，且最易于分類的心音信號(hào)的2維特征向量，作為心音信號(hào)分類的特征向量。 d）心音信號(hào)分類方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類支持向量機(jī)的選取方法，同時(shí)，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號(hào)分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號(hào)的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對(duì)余下的每類20組數(shù)據(jù)進(jìn)行測試，得到每類的分類精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類心臟雜音信號(hào)和正常心音信號(hào)中每類24個(gè)心動(dòng)周期進(jìn)行分類實(shí)測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號(hào)種類及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶：weixiao99
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
