<bdo id="mwiok"></bdo>
void InitGoertzel(void) 作用：初始化算法參數(shù) 用法：采用算法進(jìn)行檢測(cè)前執(zhí)行一次，如果需要改變參數(shù)，調(diào)用SetParameter() float CGoertzel::GetMagnitude(unsigned char * sampleData, int length) //算法主接口 作用：對(duì)采集下來(lái)的音頻數(shù)據(jù)用算法處理，返回一個(gè)結(jié)果 參數(shù)：sampleData－音頻數(shù)據(jù)緩沖地址指針； length-緩沖區(qū)尺寸(音頻數(shù)據(jù)數(shù)量),字節(jié)數(shù)； 返回值：返回算法結(jié)果。 void SetParameter(DWORD set_SampleRate, DWORD set_TargetFreq, DWORD set_BlockSize) 作用：設(shè)置算法參數(shù)； 參數(shù)：set_SampleRate-音頻數(shù)據(jù)抽樣速率； set_TargetFreq-目標(biāo)信號(hào)頻率； set_BlockSize－算法數(shù)據(jù)塊尺寸(采樣點(diǎn))； 用法：調(diào)用本函數(shù)后，需要調(diào)用一次InitGoertzel(void)才會(huì)生效
標(biāo)簽： void InitGoertzel 算法 初始化
上傳時(shí)間： 2016-09-20
上傳用戶：sssl
matlab源代碼，經(jīng)典算法源代碼下載。是關(guān)于DTFT的
上傳時(shí)間： 2016-10-10
上傳用戶：hn891122
CARP(有向多中國(guó)郵遞員問(wèn)題）的遺傳算法解法，目標(biāo)和約束易修改。基于菲爾德大學(xué)遺傳算法工具箱，需先安裝
上傳時(shí)間： 2016-10-22
上傳用戶：xzt
本書系統(tǒng)地介紹了圖像處理與識(shí)別的基本原理、典型方法和實(shí)用技術(shù)。全書共分12章，第1章～第6章是圖像處理與識(shí)別的基礎(chǔ)內(nèi)容，包括圖像科學(xué)綜述、MATLAB語(yǔ)言圖像編程、圖像增強(qiáng)、圖像分割、圖像特征提取和圖像識(shí)別；第7章～第10章是圖像處理與識(shí)別的工程實(shí)例，涵蓋了醫(yī)學(xué)圖像處理、文字識(shí)別和自導(dǎo)引小車路徑識(shí)別等應(yīng)用實(shí)例，并結(jié)合理論算法，提供了大量MATLAB代碼程序，以幫助讀者掌握如何使用MATLAB語(yǔ)言快速進(jìn)行算法的仿真、調(diào)試和估計(jì)等方法。第11章～第12章，是兩個(gè)綜合性較強(qiáng)的實(shí)例，分別是Visual C++實(shí)現(xiàn)的基于神經(jīng)網(wǎng)絡(luò)的文字識(shí)別系統(tǒng)和車牌定位系統(tǒng)。 本書附帶的光盤給出了各個(gè)章節(jié)列舉的實(shí)例的源代碼，同時(shí)贈(zèng)送了28個(gè)常用數(shù)字圖像處理算法的Visual C++代碼實(shí)現(xiàn)。
上傳時(shí)間： 2014-01-06
上傳用戶：ecooo
關(guān)于兩個(gè)目標(biāo)函數(shù)的，利用matlab遺傳算法工具箱的優(yōu)化程序。
標(biāo)簽： 目標(biāo)函數(shù)
上傳時(shí)間： 2014-09-06
上傳用戶：cazjing
MATLAB 編程，用MATLAB對(duì)先進(jìn)控制算法編程 并且給出一個(gè)對(duì)象對(duì)其進(jìn)行仿真
上傳時(shí)間： 2013-12-24
上傳用戶：84425894
用C語(yǔ)言實(shí)現(xiàn)遺傳的算法，MATLAB雖然有很多算法，但有時(shí)用c語(yǔ)言編寫的代碼執(zhí)行的快得多
上傳時(shí)間： 2013-12-24
上傳用戶：sk5201314
本文提出的中值濾波的快速算法的基本思想是：原始數(shù)據(jù)序列上中值濾波的滑窗在移動(dòng)過(guò)程中，當(dāng)前窗只要?jiǎng)h除其最早的元素，加入窗后的新元素，即成為下一窗的內(nèi)容。這個(gè)只是Matlab里封裝的算法代碼
標(biāo)簽： 中值濾波 快速算法 序列 數(shù)據(jù)
上傳時(shí)間： 2017-09-20
上傳用戶：xinzhch
模擬退火算法是通過(guò)賦予搜索過(guò)程一種時(shí)變且最終趨于零的概率突跳性，從而可有效避免陷入局部極小并最終趨于全局最優(yōu)的串行結(jié)構(gòu)的優(yōu)化算法。
上傳時(shí)間： 2016-05-11
上傳用戶：wkchong
% 生成訓(xùn)練樣本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %輸入矢量的取值范圍矩陣 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神經(jīng)網(wǎng)絡(luò)， 12個(gè)隱層神經(jīng)元，4個(gè)輸出神經(jīng)元 %tranferFcn屬性 'logsig' 隱層采用Sigmoid傳輸函數(shù) %tranferFcn屬性 'logsig' 輸出層采用Sigmoid傳輸函數(shù) %trainFcn屬性 'traingdx' 自適應(yīng)調(diào)整學(xué)習(xí)速率附加動(dòng)量因子梯度下降反向傳播算法訓(xùn)練函數(shù) %learn屬性 'learngdm' 附加動(dòng)量因子的梯度下降學(xué)習(xí)函數(shù) net.trainParam.epochs=1000;%允許最大訓(xùn)練步數(shù)2000步 net.trainParam.goal=0.001; %訓(xùn)練目標(biāo)最小誤差0.001 net.trainParam.show=10; %每間隔100步顯示一次訓(xùn)練結(jié)果 net.trainParam.lr=0.05; %學(xué)習(xí)速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上傳時(shí)間： 2016-05-28
上傳用戶：shanqiu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<pre id="geykq"></pre>