本程序利用奇異值分解對3通道彩色圖像進行壓縮分解，具體步驟如下： 壓縮過程： 1. 選取子圖像大小K值，把圖像分解成M×M個子圖像，IMG(s),s=1,2,…, M2，其中M=N/K，原始圖像IMG大小為N×N。 2. 計算這M2個子圖像的平均值average，對每幅子圖像減去均值圖像得到新圖像。 3. 計算相關(guān)矩陣R，其元素定義為 。 4. 計算R的特征值與特征向量，計算每幅子圖像與最大特征向量的內(nèi)積，便得到編碼，即壓縮后的圖像。
上傳時間： 2013-12-23
上傳用戶：chenxichenyue
完整的模式識別庫，包括矩陣運算，各種模式識別算法，如K均值、SVM、RVM、NN、LDA等
標簽： 模式識別
上傳時間： 2016-04-02
上傳用戶：vodssv
基于BP神經(jīng)網(wǎng)絡(luò)的 參數(shù)自學(xué)習(xí)控制 （1）確定BP網(wǎng)絡(luò)的結(jié)構(gòu)，即確定輸入層節(jié)點數(shù)M和隱含層節(jié)點數(shù)Q，并給出各層加權(quán)系數(shù)的初值 和 ，選定學(xué)習(xí)速率 和慣性系數(shù) ，此時k=1； （2）采樣得到rin(k)和yout(k)，計算該時刻誤差error(k)=rin(k)-yout(k)； （3）計算神經(jīng)網(wǎng)絡(luò)NN各層神經(jīng)元的輸入、輸出，NN輸出層的輸出即為PID控制器的三個可調(diào)參數(shù) ， ， ； （4）根據(jù)(3.34)計算PID控制器的輸出u(k)； （5）進行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，在線調(diào)整加權(quán)系數(shù) 和 ，實現(xiàn)PID控制參數(shù)的自適應(yīng)調(diào)整； （6）置k=k+1，返回（1）。
標簽： BP神經(jīng)網(wǎng)絡(luò) 參數(shù) BP網(wǎng)絡(luò) 學(xué)習(xí)控制
上傳時間： 2016-04-26
上傳用戶：無聊來刷下
程序名：ga_bp_predict.cpp 描述： 采用GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)程序，用于單因素時間 序列的預(yù)測,采用了單步與多步相結(jié)合預(yù)測 說明： 采用GA(浮點編碼)優(yōu)化NN的初始權(quán)值W[j][i],V[k][j]，然后再采用BP算法 優(yōu)化權(quán)值
標簽： ga_bp_predict cpp 程序 BP神經(jīng)網(wǎng)絡(luò)
上傳時間： 2014-02-18
上傳用戶：冇尾飛鉈
This function calculates Akaike s final prediction error ％ estimate of the average generalization error for network ％ models generated by NNARX, NNOE, NNARMAX1+2, or their recursive ％ counterparts. ％ ％ [FPE,deff,varest,H] = NNfpe(method,NetDef,W1,W2,U,Y,NN,trparms,skip,Chat) ％ produces the final prediction error estimate (fpe), the effective number ％ of weights in the network if it has been trained with weight decay, ％ an estimate of the noise variance, and the Gauss-Newton Hessian. ％
標簽： generalization calculates prediction function
上傳時間： 2016-12-27
上傳用戶：腳趾頭
數(shù)據(jù)挖掘matlab源碼，包含機器學(xué)習(xí)領(lǐng)域中經(jīng)典算法如ID3,C4.5,NN,CARD,EM等.
標簽： matlab 數(shù)據(jù)挖掘 源碼
上傳時間： 2014-01-22
上傳用戶：chenxichenyue
The code performs a number (ITERS) of iterations of the Bailey s 6-step FFT algorithm (following the ideas in the CMU Task parallel suite). 1.- Generates an input signal vector (dgen) with size n=n1xn2 stored in row major order In this code the size of the input signal is NN=NxN (n=NN, n1=n2=N) 2.- Transpose (tpose) A to have it stored in column major order 3.- Perform independent FFTs on the rows (cffts) 4.- Scale each element of the resulting array by a factor of w[n]**(p*q) 5.- Transpose (tpose) to prepair it for the next step 6.- Perform independent FFTs on the rows (cffts) 7.- Transpose the resulting matrix The code requires nested Parallelism.
標簽： iterations performs Bailey number
上傳時間： 2014-01-05
上傳用戶：libenshu01
DeepLearnToolbox-master，含有NN,SAE,CNN,DBN等
上傳時間： 2016-07-03
上傳用戶：廣德玄武
模式識別matlab工具箱,包括SVM,ICA,PCA,NN等等模式識別算法,很有參考價值
上傳時間： 2016-12-25
上傳用戶：wwwnada
以后再也不用擔(dān)心寫爬蟲ip被封，不用擔(dān)心沒錢買代理ip的煩惱了 在使用python寫爬蟲時候，你會遇到所要爬取的網(wǎng)站有反爬取技術(shù)比如用同一個IP反復(fù)爬取同一個網(wǎng)頁，很可能會被封。如何有效的解決這個問題呢？我們可以使用代理ip，來設(shè)置代理ip池。 現(xiàn)在教大家一個可獲取大量免費有效快速的代理ip方法，我們訪問西刺免費代理ip網(wǎng)址 這里面提供了許多代理ip，但是我們嘗試過后會發(fā)現(xiàn)并不是每一個都是有效的。所以我們現(xiàn)在所要做的就是從里面提供的篩選出有效快速穩(wěn)定的ip。 以下介紹的免費獲取代理ip池的方法： 優(yōu)點：免費、數(shù)量多、有效、速度快 缺點：需要定期篩選 主要思路： 從網(wǎng)址上爬取ip地址并存儲 驗證ip是否能使用-（隨機訪問網(wǎng)址判斷響應(yīng)碼） 格式化ip地址 代碼如下： 1.導(dǎo)入包 import requests from lxml import etree import time 1 2 3 2.獲取西刺免費代理ip網(wǎng)址上的代理ip def get_all_proxy(): url = 'http://www.xicidaili.com/NN/1' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36', } response = requests.get(url, headers=headers) html_ele = etree.HTML(response.text) ip_eles = html_ele.xpath('//table[@id="ip_list"]/tr/td[2]/text()') port_ele = html_ele.xpath('//table[@id="ip_list"]/tr/td[3]/text()') proxy_list = [] for i in range(0,len(ip_eles)): proxy_str = 'http://' + ip_eles[i] + ':' + port_ele[i] proxy_list.append(proxy_str) return proxy_list 1 2 3 4 5 6 7 8 9 10 11 12 13 14 3.驗證獲取的ip def check_all_proxy(proxy_list): valid_proxy_list = [] for proxy in proxy_list: url = 'http://www.baidu.com/' proxy_dict = { 'http': proxy } try: start_time = time.time() response = requests.get(url, proxies=proxy_dict, timeout=5) if response.status_code == 200: end_time = time.time() print('代理可用：' + proxy) print('耗時:' + str(end_time - start_time)) valid_proxy_list.append(proxy) else: print('代理超時') except: print('代理不可用--------------->'+proxy) return valid_proxy_list 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 4.輸出獲取ip池 if __name__ == '__main__': proxy_list = get_all_proxy() valid_proxy_list = check_all_proxy(proxy_list) print('--'*30) print(valid_proxy_list) 1 2 3 4 5 技術(shù)能力有限歡迎提出意見，保證積極向上不斷學(xué)習(xí) ———————————————— 版權(quán)聲明：本文為CSDN博主「彬小二」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。 原文鏈接：https://blog.csdn.net/qq_39884947/article/details/86609930
上傳時間： 2019-11-15
上傳用戶：fygwz1982
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
