最速下降法是一種沿著N維目標(biāo)函數(shù)的負(fù)梯度方向搜索最小值的方法。該程序是用最速下降法求無約束最優(yōu)化解。
標(biāo)簽： 目標(biāo)函數(shù) 梯度 方向 搜索
上傳時(shí)間： 2014-01-20
上傳用戶：lps11188
提出了一種基于函數(shù)聯(lián)接的感知器神經(jīng)網(wǎng)絡(luò)的紋理分類方法.它采用高斯2馬爾柯夫隨機(jī)場模型(GM RF)對紋理進(jìn)行描述,模型參數(shù)即為紋理特征,參數(shù)估計(jì)采用最小平方誤差方法獲得.將估計(jì)參數(shù)作為表達(dá)紋理的特征向量,用感知器網(wǎng)絡(luò)對特征進(jìn)行分類,并且采用函數(shù)聯(lián)接的方式解決線性不可分問題.對紋理圖象進(jìn)行的實(shí)驗(yàn)表明,采用這種方法能夠提高學(xué)習(xí)速度,簡化計(jì)算過程,并取得較好的紋理分類效果.
標(biāo)簽： GM RF 函數(shù) 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2014-01-13
上傳用戶：13160677563
最小堆實(shí)現(xiàn)方法，代碼來自北大趙海燕老師編著的數(shù)據(jù)結(jié)構(gòu)與算法。
標(biāo)簽： 實(shí)現(xiàn)方法
上傳時(shí)間： 2017-02-03
上傳用戶：ayfeixiao
該程序是一個(gè)廣義預(yù)測控制的程序，單變量，在線進(jìn)行模型辨識，采用最小二乘方法
標(biāo)簽： 單變量 廣義預(yù)測控制
上傳時(shí)間： 2017-05-23
上傳用戶：b03330219
用遞推法產(chǎn)生正交多項(xiàng)式系，即求alpha[j+1]、beta[j] 入口參數(shù)：m是數(shù)據(jù)點(diǎn)數(shù)，n是擬合的最高階數(shù)， float x[],float y[]是對應(yīng)縱橫坐標(biāo)，出口參數(shù)：a[] 是最小二乘擬合參數(shù)，alpha[]、beta[]是遞推系數(shù)
標(biāo)簽： 正 多項(xiàng)式
上傳時(shí)間： 2014-01-19
上傳用戶：gyq
開發(fā)與利用新能源是我國21世紀(jì)的重要能源戰(zhàn)略。風(fēng)能是一種“取之不盡，用之不竭”、環(huán)境友好的可持續(xù)性能源，已受到了越來越廣泛的重視，并成為發(fā)展最快的新型能源。但是風(fēng)電具有間歇性和隨機(jī)性的固有缺點(diǎn)，隨著大量的風(fēng)力發(fā)電接入電網(wǎng)，勢必會(huì)對電力系統(tǒng)的安全、穩(wěn)定運(yùn)行以及保證電能質(zhì)量帶來嚴(yán)峻挑戰(zhàn)，從而限制風(fēng)力發(fā)電的發(fā)展規(guī)模。風(fēng)電場短期風(fēng)速和發(fā)電功率預(yù)測是解決該問題的有效途徑之一。中國的風(fēng)電場大都是集中的、大容量的風(fēng)電場，而且處于電網(wǎng)建設(shè)相對比較薄弱的地區(qū)，因此，中國更需要進(jìn)行風(fēng)電場短期風(fēng)速和發(fā)電功率預(yù)測的研究，而發(fā)電功率的預(yù)測主要源自風(fēng)速的預(yù)測。在此背景下，選擇風(fēng)電場短期風(fēng)速預(yù)測方法作為主要研究內(nèi)容，主要包括以下幾個(gè)方面： 首先運(yùn)用統(tǒng)計(jì)學(xué)方法來分析風(fēng)速的時(shí)間序列特性及其預(yù)測方法和應(yīng)用特點(diǎn)，說明現(xiàn)實(shí)中的風(fēng)速序列具有很強(qiáng)的非平穩(wěn)性。然后運(yùn)用具有“數(shù)字顯微鏡”之美譽(yù)的小波變換來分析歷史紀(jì)錄的風(fēng)速數(shù)據(jù)，通過運(yùn)用二進(jìn)正交小波變換Mallat算法對香港和河西走廊地區(qū)風(fēng)速序列進(jìn)行分解和重構(gòu)，分離出風(fēng)速序列中的低頻信息和高頻信息。對Mallat算法分解后的信號，運(yùn)用最小二乘支持向量機(jī)分別進(jìn)行向前一步預(yù)測，然后再把各預(yù)測結(jié)果合成，得到預(yù)測值。建立了基于小波變換和最小二乘支持向量機(jī)的短期風(fēng)速預(yù)測方法。應(yīng)用Matlab對該算法進(jìn)行了仿真，仿真試驗(yàn)表明，小波變換是非平穩(wěn)風(fēng)速序列時(shí)頻分析的有效工具，對風(fēng)速序列的高頻和低頻信息起到很好的分離作用；最小二乘支持向量機(jī)的應(yīng)用提高了預(yù)測的準(zhǔn)確性。應(yīng)用香港地區(qū)與河西走廊地區(qū)小時(shí)平均風(fēng)速歷史數(shù)據(jù)，驗(yàn)證了方法的有效性。
上傳時(shí)間： 2013-04-24
上傳用戶：xg262122
隨著多媒體技術(shù)的發(fā)展，數(shù)字圖像處理已經(jīng)成為眾多應(yīng)用系統(tǒng)的核心和基礎(chǔ)。它的發(fā)展主要依賴于兩個(gè)性質(zhì)不同、自成體系但又緊密相關(guān)的研究領(lǐng)域：圖像處理算法及其相應(yīng)的電路實(shí)現(xiàn)。圖像處理系統(tǒng)的硬件實(shí)現(xiàn)—般有三種方式：專用的圖像處理器件集成芯片(Application Specific Integrated Circuit)、數(shù)字信號處理器(Digital Signal Process)和現(xiàn)場可編程門陣列(Field Programmable Gate Array)以及相關(guān)電路組成。它們可以實(shí)時(shí)高速完成各種圖像處理算法。圖像處理中，低層的圖像預(yù)處理的數(shù)據(jù)量很大，要求處理速度快，但運(yùn)算結(jié)果相對比較簡單。相對于其他兩種方式，基于FPGA的圖像處理方式的系統(tǒng)更適合于圖像的預(yù)處理。本文設(shè)計(jì)了—種基于FPGA的小波域圖像去噪系統(tǒng)。首先，闡述了基于小波變換的圖像去噪算法原理，重點(diǎn)討論了小波鄰域閾值(NeighShrink)去噪算法，并給出了該算法相應(yīng)的Matlab 仿真；然后，為了改進(jìn)鄰域閾值去噪算法中對每個(gè)分解子帶都采用相同鄰域和閾值的缺點(diǎn)，本文提出了基于最小二乘支持向量機(jī)(LS-SVM)分類的鄰域閾值去噪算法和以斯坦無偏估計(jì) (SURE)為準(zhǔn)則同時(shí)結(jié)合小波系數(shù)尺度間關(guān)系的鄰域閾值去噪算法。經(jīng)Matlab實(shí)驗(yàn)表明，相比于其他幾種經(jīng)典算法，本文提出的兩種改進(jìn)算法在濾除噪聲的同時(shí)能更好地保護(hù)圖像細(xì)節(jié)，并在較高噪聲情況下能獲得更高的峰值信噪比。在此基礎(chǔ)上本文將提出的改進(jìn)小波鄰域閾值去噪算法進(jìn)行了相應(yīng)的簡化，以滿足低噪聲處理要求且易于在FPGA上實(shí)現(xiàn)；最后，給出了基于 FPGA的小波鄰域閾值去噪系統(tǒng)的總體結(jié)構(gòu)和FPGA內(nèi)部各功能模塊的具體實(shí)現(xiàn)方案，包括二維離散小波變換模塊、二維離散小波逆變換模塊、SDRAM存儲器控制模塊、去噪計(jì)算模塊和系統(tǒng)核心控制模塊，并對各個(gè)系統(tǒng)模塊和整體進(jìn)行了仿真驗(yàn)證，結(jié)果表明本文設(shè)計(jì)的基于FPGA 的小波鄰域閾值去噪系統(tǒng)能滿足實(shí)際的圖像處理要求，具有一定的理論和實(shí)際應(yīng)用價(jià)值。關(guān)鍵詞：圖像處理系統(tǒng)，F(xiàn)PGA，圖像去噪算法，小波變換
上傳時(shí)間： 2013-05-16
上傳用戶：450976175
由于模擬電路的多樣性、非線性和離散性等特點(diǎn)，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識等問題。針對已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機(jī)的基礎(chǔ)上，設(shè)計(jì)了模擬電路的最小二乘支持向量機(jī)預(yù)測模型，實(shí)現(xiàn)了對模擬電路的狀態(tài)的故障預(yù)測。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測試驗(yàn)，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類和泛化性能，故障診斷準(zhǔn)確率更高。
上傳時(shí)間： 2013-10-31
上傳用戶：417313137
本算法包括最大似然估計(jì)，最小二乘估計(jì)，基于EM算法的多種混合高斯分布估計(jì)，EM算法測試實(shí)例，繪制每種分布的plot函數(shù)。非常有參考價(jià)值！
標(biāo)簽： 算法
上傳時(shí)間： 2014-01-11
上傳用戶：日光微瀾
多種概率分布的擬合函數(shù)集合 本算法包括最大似然估計(jì)，最小二乘估計(jì)，基于EM算法的多種混合高斯分布估計(jì)，EM算法測試實(shí)例，繪制每種分布的plot函數(shù)。非常有參考價(jià)值！
上傳時(shí)間： 2014-01-01
上傳用戶：杜瑩12345
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
