注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于自适应局部非线性回归的颜色校正算法

  2. 颜色是图像的重要信息。许多颜色校正算法都采用精度较高的查找表法。为了更好地拟合颜色空间之间复杂的映射关系，在自适应局部线性回归颜色校正模型的基础上提出了基于自适应局部非线性回归的颜色校正模型，在小样本情况下，自适应地选择插值点的个数。利用局部非线性回归模型优化权值，建立三维的查找表，实现较好的颜色校正效果。实验证明基于自适应局部非线性回归的颜色校正模型的校正精度整体高于基于白适应局部残JI生回归的颜色校正模型的校正精度。

  3. 所属分类：其它

    • 发布日期：2010-10-05
    • 文件大小：453632
    • 提供者：yanyan336699

  1. 统计信号处理：非高斯信号处理及其应用

  2. 本书主要介绍非高斯信号处理(包括基于高阶统计量和分数低阶统计量的信号处理)的理论、方法及其应用。全书分为9章,内容包括：高斯过程与二阶统计量，高阶累积量和高阶谱，Alpha稳定分布与分数低阶统计量，基于以上信号的处理方法，基于分数低阶统计量数字信号处理的应用等。 第1章 绪论 1.1 预备知识 1.1.1 信号与信号处理的概念 1.1.2 随机变量及其分布 1.1.3 随机信号及随机过程 1.1.4 统计信号处理的原理与方法 1.2 矩理论简介 1.2.1 矩及统计量的概念 1.2.2 二阶统

  3. 所属分类：其它

    • 发布日期：2011-01-14
    • 文件大小：4194304
    • 提供者：skywater928

  1. 计算机二级公共基础知识

  2. 1. 算法的基本概念 利用计算机算法为计算机解题的过程实际上是在实施某种算法。 （1）算法的基本特征 算法一般具有4个基本特征：可行性、确定性、有穷性、拥有足够的情报。 （2）算法的基本运算和操作 算法的基本运算和操作包括：算术运算、逻辑运算、关系运算、数据传输。 （3）算法的3种基本控制结构 算法的3种基本控制结构是：顺序结构、选择结构、循环结构。 （4）算法基本设计方法 算法基本设计方法：列举法、归纳法、递推、递归、减半递推技术、回溯法。 （5）指令系统 所谓指令系统指的是一个计算机系统能

  3. 所属分类：数据库

    • 发布日期：2011-04-30
    • 文件大小：82944
    • 提供者：zmxnlp

  1. 开关磁阻电机多目标优化

  2. 针对以往SＲ 电机多变量、多约束条件、多目标的设计寻优过程中容易陷入局部最优，并且电磁场有限元分析计算耗时长的缺点，本文提出一种能快速收敛实现多目标全局优化的电机设计方法。利用广义回归神经网络对 目标函数进行非线性建模，通过模糊自适应粒子群算法找寻帕雷托最优解，实现了SＲ 电机定转子磁极极弧的全局 优化设计

  3. 所属分类：算法与数据结构

    • 发布日期：2017-12-27
    • 文件大小：289792
    • 提供者：guobin2200

  1. BAT机器学习面试1000题系列

  2. BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度？ 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1）线性归一化 23 2）标准差标准化 23 3）非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n） 40 随机梯度下降 4

  3. 所属分类：机器学习

    • 发布日期：2018-03-07
    • 文件大小：10485760
    • 提供者：qq_38873863

  1. 一种动态校正的AGMM-GPR多模型软测量建模方法

  2. 工业过程常常是强非线性的，并有多个工况，传统的软测量方法存在预测能力差，不 能有效利用误差信息等缺点．为了有效解决这些问题，提出一种基于自适应高斯混合模型－高 斯过程回归（ＡＧＭＭ－ＧＰＲ）的多模型动态校正软测量建模方法．首先，通过贝叶斯信息准则 构建自适应高斯混合模型（ＡＧＭＭ），得到优化的子模型个数；然后，利用ＧＰＲ方法建立各局 部模型，当新的数据到来时，将其隶属于各局部模型的后验概率和预测值融合得到多模型输 出；最后，为了进一步提高模型的精度，构建自回归积分滑动平均（ＡＲＩＭＡ）模型对多

  3. 所属分类：算法与数据结构

    • 发布日期：2018-07-17
    • 文件大小：1048576
    • 提供者：feiqiuling

  1. 基于最大边界准则的稀疏局部嵌入特征提取方法

  2. 针对局部线性嵌入算法（LLE）无法利用样本的鉴别信息，最大边界准则算法（MMC）对非线性数据处理能力较弱的不足，提出一种基于最大间距准则的稀疏局部嵌入（SLE/MMC）特征提取算法。在保持局部近邻的前提下，首先在类内紧致图中使同类样本尽可能地聚集在一起；然后在类间惩罚图中使不同类别的样本尽可能分离；最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题，采用MMC的形式构造目标函数。在ORL、Yale以及UMIST人脸库上的实验结果可以看到，同其他几种方法（PCA、LLE和MMC

  3. 所属分类：其它

    • 发布日期：2019-07-22
    • 文件大小：1048576
    • 提供者：weixin_39841856

  1. 提供一个Matlab的BP神经网络的基础资料-附件2.txt

  2. 提供一个Matlab的BP神经网络的基础资料-附件2.txt 第一节内容：包括神经网络的基础知识，BP网络的特点，bp主要应用的场合，使用时应注意的问题。 什么是神经网络？ 神经网络是由很多神经元组成的，首先我们看一下，什么是神经元 3962604722133983950.jpg 上面这个图表示的就是一个神经元，我们不管其它书上说的那些什么树突，轴突的。用个比较粗浅的解释，可能不太全面科学，但对初学者很容易理解： 1、我们把输入信号看成你在matlab中需要输入的数据，输进去神经网络后 2、这

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：6144
    • 提供者：weixin_39841882

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：312320
    • 提供者：abacaba

  1. 一种软计算混合策略在多相催化剂建模与预测中的应用

  2. 为了减少发现新的碳一多相催化剂的时间、降低消耗,加速二甲醚合成工业化进程,提出一种新的软计算混合策略并应用于碳一多相催化剂建模与预测研究。支持向量回归机(Support Vector Regression,SVR)作为一种新的机器学习算法,能较好地解决小样本、高维、非线性和局部极小点等实际问题,在混合策略中被用于多相催化剂组分模型的开发。SVR模型的超参数选择采用启发式全局优化搜索算法——自适应混沌粒子群算法来提高SVR模型的预测精度和泛化能力。新策略的主要优势是在反应机理未知或难以获取的情况下

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：238592
    • 提供者：weixin_38553478

  1. 基于RBF神经网络的煤矿瓦斯涌出量预测

  2. 煤矿瓦斯涌出量预测是矿井安全中的一个关键和热点问题。煤矿瓦斯涌出量涉及很多因素,例如日产量、日进度、煤层厚度、煤层间距、煤层深度等,瓦斯涌出量预测是一个非线性问题。径向基神经网络是目前应用非常广泛的一种局部神经网络模型,在函数回归、序列预测中具有很好的应用效果。文中提出了将径向基神经网络用于预测煤矿瓦斯涌出量的想法,并分析了可行性。

  3. 所属分类：其它

    • 发布日期：2020-07-05
    • 文件大小：208896
    • 提供者：weixin_38747978

  1. 支持向量机回归算法与应用研究 Algorithm and Application Research of Support Vector Machine Reg

  2. 【摘要】 基于数据的机器学习是现代智能技术中的重要方面。统计学习理论(SLT)是一种专门研究小样本情况下机器学习规律的理论，它建立在一套较坚实的理论基础之上的，为解决有限样本学习问题提供了一个统一的框架也发展了一种新的通用学习方法一支持向量机(SVM)，较好的解决小样本学习问题。与神经网络等其它学习方法相比，它的结构通过自动优化的方法计算出来，并且避免了局部最小点、过学习等缺陷。 以往大部分研究主要集中在支持向量机分类理论和应用上，近年来关于支持向量机回归(SVMR)的研究也显示出其优异的性能。

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：3145728
    • 提供者：songzailu6482

  1. 改进遗传算法的支持向量机特征选择解决方案介绍

  2. 支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大化,因而有较好的泛化性能和较高的分类准确率。由于支持向量机具有小样本、非线性、高维数、避免局部最小点以及过学习现象等优点，所以被广泛运用于故障诊断、图像识别、回归预测等领域。但是如果缺少了对样本进行有效地特征选择，支持向量机在分类时往往会出现训练时间过长以及较低的分类准确率，这恰恰是由于支持向量机无法

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：216064
    • 提供者：weixin_38659955

  1. 传感技术中的基于LS-SVM辨识的温度传感器非线性校正研究

  2. 0 引 言 　　在传感器非线性校正领域，国内外许多学者提出多种方法，并得到广泛应用，传统方法归纳起来可分两类：一类是公式法，即以实验数据为基础，用最小二乘等系统辨识方法求取拟合曲线参数，建立校正曲线的解析表达式；另一类是表格法，以查表为手段，通过分段线性化来逼近传感器的非线性特性曲线。 　　近些年来，随着神经网络的发展，又有不少学者利用神经网络的非线性回归能力，拟合传感器输出与输入的非线性关系，建立传感器传输特性的逆模型，从而使传感器亦即神经网络构成的系统线性化。但是，该方法也存在一定的局

  3. 所属分类：其它

    • 发布日期：2020-12-05
    • 文件大小：151552
    • 提供者：weixin_38705762

  1. Data-science-Portfolio:该存储库的目的是自我激励，并跟踪我的机器学习，自然语言处理和数据科学相关工作的进展-源码

  2. 数据科学组合 关于 该存储库的目的是自我激励，并跟踪我的机器学习，自然语言处理和数据科学相关工作的进展 目录 关于 目录 文章 编程展示 监督机器学习 无监督机器学习 深度学习 自然语言处理 课程与证书 专案 接触 文章 标题 关联 公开日期 机器学习算法中特定损失函数的概率证明 4.02.2021 编程展示 监督机器学习 算法 描述 执行 单变量线性回归 使用Pyhton从头开始进行单变量线性回归 多元线性回归 从零开始使用Pyhton进行多元线性回归 局部加权回归 使用Pyhton从草稿进行

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_42131261

  1. 高动态范围图像的全局和局部色调映射的融合

  2. 提出一种融合多种特征的图像过曝光区域检测算法。利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和​​颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：489472
    • 提供者：weixin_38618024

  1. 序列图像运动自适应V1—MT光流估计算法

  2. 针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足，从人类视觉认知机理出发，提出了一种基于机器学习和生物模型的运动自适应 V1 -- MT(motion-adaptive V1 -- MT，MAV1MT)序列图像光流估计算法． 首先，引入基于ＲOF 模型的结构纹理分解(structure-texture decomposition，STD)技术，有效解决了光照和色彩变化的影响． 其次，利用多 V1 细胞加权组合及非线性正则化模拟 MT 细胞模型，并结合岭回归训练学习得到运动自适应的

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：752640
    • 提供者：weixin_38702931

  1. 机器学习：逻辑回归与Python代码实现

  2. 本篇博文的理论知识都来自于吴大大的Coursera机器学习课程，人家讲的深入浅出，我就不一一赘述，只是简单概括一下以及记一下自己的见解。 逻辑回归一般用于分类问题较多，但是叫做“regression”，而线性回归一般不建议用于分类，因为输出的y的值可能超出0/1范围。这也就是为什么逻辑回归假设函数里面有sigmoid函数的原因了。 逻辑回归问题不在采用“最小均方”误差，因为里面含有非线性的sigmiod函数，使得成本函数J不再是一个平滑的“碗”，容易导致“局部最优”，所以采用如

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：71680
    • 提供者：weixin_38558246

  1. 基于回归神经网络的非线性时变系统辨识

  2. 为克服基于前馈神经网络的非线性时变系统辨识算法存在需预先估计系统输入输出滞后阶数 的缺陷,提出一种基于回归神经网络的非线性时变系统的辨识算法。 针对现有的回归网络学习算法大多 采用梯度算法, 收敛速度缓慢问题,提出一种具有快速收敛性的扩展卡尔曼滤波学习算法, 大大提高了 学习收敛速度;并推导了一种基于单个神经元的局部化算法,减少了计算量。 仿真实例证明, 所提出的算 法是有效的。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：222208
    • 提供者：weixin_38526780