迴歸分析的基本假設(shè) (一)固定自變項假設(shè)(fixed variable) (二)線性關(guān)係假設(shè)(linear relationship) (三)常態(tài)性假設(shè)(normality)
標(biāo)簽: 回歸分析 主成分分析
上傳時間: 2016-10-11
上傳用戶:Gower's
全局測量與精度控制是超大空間內(nèi)精密測量的基礎(chǔ),決定著整體測量的性能和適用性。為提高整體空間測量精度,同時解決定向及尺度問題,必須在全局空間內(nèi)布設(shè)高精度測量控制網(wǎng)。三維坐標(biāo)測量作為幾何量測量的重要代表,是建立控制網(wǎng)最直接且約束最強的控制條件。為建立大空間精密三維坐標(biāo)控制網(wǎng),采用激光跟蹤儀多站位對空間全局控制點進行三維坐標(biāo)測量,結(jié)合奇異值分解算法完成各站位的方位定向,并利用激光跟蹤儀極高精度的測距值作為約束,對跟蹤儀測角誤差進行優(yōu)化,進一步提高坐標(biāo)控制網(wǎng)的精度。將該控制網(wǎng)建立方法應(yīng)用于某飛機機翼表面形貌測量,實現(xiàn)激光跟蹤儀全局控制與終端攝影測量的高效組合,以不同若干站位下全局控制點間距離比對結(jié)果表明該控制網(wǎng)對現(xiàn)場測量精度和可靠性的提高具有良好效果 。
上傳時間: 2017-03-23
上傳用戶:wyf1995
用小波分析,實現(xiàn)小波變換時間-頻率圖和時間-尺度圖的繪制,有詳細(xì)的參數(shù)說明
上傳時間: 2017-12-23
上傳用戶:1113286945@qq.com
用于計算混沌映射的liyapunov指數(shù)
標(biāo)簽: liyapunov matlab 計算 代碼
上傳時間: 2018-02-14
上傳用戶:schenken
小波去噪的MATLAB程序。局部放電試驗中所采集的信號中往往混有白噪聲、周期干擾信號去除。此處采用常用db系列小波中的db6小波進行9尺度的多分辨分解后,根據(jù)白噪聲能量特性,估算各尺度的閾值大小,采用硬值進行處理,后進行重構(gòu)。
上傳時間: 2018-04-30
上傳用戶:hxlthome
應(yīng)用聯(lián)合多重分形理論研究了。一20 cm土層土壤含水率、土壤電導(dǎo)率、砂粒含量、粘粒含量、粗粉粒 含量、土壤粒徑分布體積分形維數(shù)、土壤容重、有機質(zhì)含量的空間變異性與20—40 cm土層對應(yīng)變量空間變異性在 多尺度上的相互關(guān)系。結(jié)果表明:相對于0—20 cm土層上述變量的空間變異性,20一40 cm土層粗粉粒含量、有機 質(zhì)含量空間變異性的變化率最大。土壤電導(dǎo)率、粘粒含量、土壤粒徑分布體積分形維數(shù)空間變異性的變化率最小, 砂粒含量、土壤含水率。土壤容重空間變異性的變化率介于兩者之間;多尺度上,0—20 em土層土壤含水率,土壤容 重、有機質(zhì)含量、粘粒含量、砂粒含量、土壤電導(dǎo)率、土壤粒徑分布體積分形維數(shù)、粗粉粒含量與20—40 cm土層對應(yīng) 變量空間變異性在多尺度上的相關(guān)性依次減弱。
標(biāo)簽: 土壤特性 空間變異性 多尺度聯(lián)合 多重分形
上傳時間: 2018-08-13
上傳用戶:閩外莯莯
Reconstruction- and example-based super-resolution (SR) methods are promising for restoring a high-resolution (HR) image from low-resolution (LR) image(s). Under large magnification, reconstruction-based methods usually fail to hallucinate visual details while example-based methods sometimes introduce unexpected details. Given a generic LR image, to reconstruct a photo-realistic SR image and to suppress artifacts in the reconstructed SR image, we introduce a multi-scale dictionary to a novel SR method that simultaneously integrates local and non-local priors. The local prior suppresses artifacts by using steering kernel regression to predict the target pixel from a small local area. The non-local prior enriches visual details by taking a weighted average of a large neighborhood as an estimate of the target pixel. Essentially, these two priors are complementary to each other. Experimental results demonstrate that the proposed method can produce high quality SR recovery both quantitatively and perceptually.
標(biāo)簽: Super-resolution Multi-scale Dictionary Single Image for
上傳時間: 2019-03-28
上傳用戶:fullout
小波變換是時間(空間)頻率的局部化分析,它通過伸縮平移運算對信號(函數(shù))逐步進行多尺度細(xì)化,最終達(dá)到高頻處時間細(xì)分,低頻處頻率細(xì)分,能自動適應(yīng)時頻信號分析的要求,從而可聚焦到信號的任意細(xì)節(jié)。
上傳時間: 2019-04-01
上傳用戶:dmwx
自相關(guān)法確定相空間重構(gòu)中的參數(shù),自相關(guān)法求時間延遲,求混沌時間序列相空間重構(gòu)最優(yōu)化時延的Matlab程序
上傳時間: 2019-04-24
上傳用戶:lljlhs2008
DUFFING實例解釋比較詳細(xì),包含頻域、時域、分岔、相圖、龐加萊截面
標(biāo)簽: duffing 方程 龐加萊截面圖 分岔圖
上傳時間: 2019-06-04
上傳用戶:hls11
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1