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. pads9.0电子设计软件

  2. PADS 9.0版产品的出现标志着下一代PADS流程技术的诞生。与以往的旧产品相比, PADS 9.0修复和改善了之前版本软件的不足和缺点，集成了许多全新的功能，拥有了更高的可扩展性和集成度，从而使设计者能够结合Mentor Graphics众多独特的创新技术，实现设计、分析、制造和多平台的协作。而且, 与PADS 9.0的可扩展定制流程策略相对应，Mentor Graphics提供了一系列预置的PADS套件，使之能够满足各种产品设计不同的技术要求，然而代价却十分低廉。LS和ES产品包就是因应

  3. 所属分类：嵌入式

    • 发布日期：2009-12-15
    • 文件大小：29696
    • 提供者：cadeda2009

  1. 数据挖掘--概念与技术

  2. 目录 第一章 引言 ......................................................................................................................................................... 8 1.1 什么激发数据挖掘？为什么它是重要的？.............................................................

  3. 所属分类：Web开发

    • 发布日期：2010-09-06
    • 文件大小：1048576
    • 提供者：huanghyw

  1. 基于FPGA的嵌入式图像处理系统设计(中文版PDF)

  2. 《基于fpga的嵌入式图像处理系统设计》详细介绍了fpga（field programmable gatearray，现场可编程门阵列）这种新型可编程电子器件的特点，对fpga的各种编程语言的发展历程进行了回顾，并针对嵌入式图像处理系统的特点和应用背景，详细介绍了如何利用fpga的硬件并行性特点研制开发高性能嵌入式图像处理系统。作者还结合自己的经验，介绍了研制开发基于fpga的嵌入式图像处理系统所需要的正确思路以及许多实用性技巧，并给出了许多图像处理算法在fpga上的具体实现方法以及多个基于f

  3. 所属分类：硬件开发

    • 发布日期：2015-02-09
    • 文件大小：55574528
    • 提供者：johnllon

  1. 微博事件提取

  2. 微博事件提取的ppt详细讲解，考虑微博数据的文本特征（转帖、评论、内嵌链接、用户标签hashtag、命名实体等）、语义特征、时序特性和社交关系特性，提出了一种有效的基于微博数据的事件检测算法（event detection in microblogs，EDM）。 2.提取事件关键要素，即关键词、命名实体、发帖时间和用户情感倾向性，实现事件摘要的提取。（4W1H

  3. 所属分类：讲义

  1. 数据挖掘中的时序特征提取方法

  2. 主要讲解数据挖掘 中用于分类的时序数据特征提取方法，很好的学习资料

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-26
    • 文件大小：837632
    • 提供者：qq_37848268

  1. drost2010CVPR中文翻译版.pdf

  2. Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

  3. 所属分类：机器学习

    • 发布日期：2019-07-16
    • 文件大小：1048576
    • 提供者：qq_28250697

  1. 原创时序分析timeserieanalysis模型的应用parte1-TimeSerie_Concha.rar

  2. 原创时序分析timeserieanalysis模型的应用parte1-TimeSerie_Concha.rar 【问题描述】：我们现在有某年的某机构的某数据，这些数据每15分钟采集一次，于是一年之中我们可以得到365天*24小时*4=35,040个点。相当于我们有一个365*96的矩阵，（在这里我们的数据是不完整的，只到10月份，故而我们有一个306*96的矩阵）。下图一为一年范围的时序信号，然后下图二是一个星期范围内的时序信号。相信大家不难看出，每逢周末的时候的数据要比平时小很多，这说明它具

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：58368
    • 提供者：weixin_39840387

  1. 基于深度学习的唇语识别研究_吴伟（好）.caj

  2. 本文在深度学习技术基础上对唇语进行识别研究，其具体流程及章节安排 如下： 1. 主要介绍了唇语识别技术的相关内容，给出了传统的唇语识别方法与基 于深度学习的唇语识别方法的区别与联系，并针对国内外研究状况进行了分析 介绍。 2. 对唇语识别技术的一些相关理论技术进行了介绍，并且利用唇语识别研 究中的人脸检测，唇部定位，视觉特征和时序特征的提取以及最后的唇动识别 这几个方面来展开介绍，同时也介绍了深度学习方面相关模型与算法。 3. 首先对唇语识别的实现过程做了简要叙述；其次，通过检测人脸

  3. 所属分类：深度学习

    • 发布日期：2020-04-27
    • 文件大小：1048576
    • 提供者：zhr_the_great

  1. 采动期间高等级公路DInSAR监测及损害治理

  2. 为了评定采动期间地表沉降对采空区上方高等级公路的破坏程度,采用合成孔径差分干涉测量(DInSAR)的技术,利用南屯矿区10景TerraSAR-X卫星数据,对位于老采空区上方的高等级公路在重复采动条件下的沉降情况进行监测。获取了监测期间的开采沉陷时序关系图,这是传统测量方法难以达到的。通过提取出高等级公路时间序列上的下沉值,并基于此值对邹济高等级公路进行损害程度评定,研究表明:公路在监测期间内最大下沉值达到210 mm,最大水平变形为3.1 mm/m,最大曲率为0.046 mm/m2,最大倾斜为3

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：1048576
    • 提供者：weixin_38569203

  1. Temporal Features_process.py

  2. 数据挖掘中的时序特征提取，分段特征、统计特征、熵特征，逼近处理，平滑... 基于时序数据的回归预测问题,在工作中经常遇到的。它与一般的监督学习的回归模型的区别在于数据本身是基于时序的

  3. 所属分类：机器学习

    • 发布日期：2020-02-03
    • 文件大小：17408
    • 提供者：u010243662

  1. 时序数据数据预处理、特征提取代码。分段特征、统计特征、熵特征。时间序列

  2. 时序数据数据预处理、特征提取代码。分段特征、统计特征、熵特征。

  3. 所属分类：机器学习

    • 发布日期：2019-06-30
    • 文件大小：17408
    • 提供者：tutu96177

  1. 时序数据数据预处理、特征提取代码。分段特征、统计特征、熵特征。时间序列.rar

  2. 时序数据数据预处理、特征提取代码。分段特征、统计特征、熵特征。时间序列.rar

  3. 所属分类：互联网

    • 发布日期：2021-03-13
    • 文件大小：5120
    • 提供者：xiaomeiniu5658

  1. 概率主题模型在微博主题挖掘中的应用研究

  2. 本身，微博能够着重于自身的特点发展成为社会公共舆论的重要平台，对国家安全和社会发展产生了深远的影响，从而对微博文本主题提取重叠格外重要。结果，文本主题挖掘的主流技术是主题概率模型。变量，首先对主题概率模型中LDA模型进行了详细的地介绍；其次分析了微博的数据特征，从三个方面：存在噪音，微博文本短小以及微博的时序性概述了主题概率模型在微博主题挖掘方面的研究；近一步，又概述了利用主题模型发现基于主题的社团关系的研究；最后总结了未来主题模型在挖掘微博主题方面存在的挑战。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：711680
    • 提供者：weixin_38606169

  1. 基于神经网络算法的大数据分析方法研究

  2. 随着深度互联网时代到来，大数据所蕴含的巨大科学、经济价值逐渐凸显。然而其数据分析方法却存在较高技术壁垒，想要发掘出大数据的价值空间，需要摒弃传统方案，采用新的分析方法。深度神经网络算法采用仿生学习算法整合庞大的异构数据，支持多源信息筛选，可实现时序动态捕捉，从而搭建起大数据转化为价值信息的桥梁。文中着重分析“大数据+神经网络”的深度学习算法在非结构化、模式多变的大数据群中的特征提取模式；并基于无限神经网络的前馈式连接方法，耦合时间参数进行更精确的特征提取与数据预测。最后对其在语音识别和图像分析中

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：1048576
    • 提供者：weixin_38547035

  1. 结合分水岭和回归网络的视频时序动作选举算法

  2. 针对时序动作选举任务,设计一种两段式动作候选区域选举网络。第一段将改进的分水岭算法应用于一维时序信号,通过浸水聚类产生多种不同长度的候选区域,实现动作时序边界的粗定位,进而提出一种时序金字塔结构化方法,引入动作片段的上下文信息模块,对候选区域的主体信息和上下文信息进行结构化建模,生成一个增强的全局特征。第二段利用时序坐标回归算法定位动作边界,同时加入动作/背景分类器过滤背景候选区域,得到更加精确的时序边界。整个网络以三维卷积神经网络(C3D)提取的单元级特征进行训练,挖掘了视频时域和空域的丰富语

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：5242880
    • 提供者：weixin_38605133

  1. 基于空间特征的无线体域网人体姿态识别算法

  2. 针对传统基于图像视频的姿态识别算法中所存在的计算成本高、摄像盲区多、隐私易泄露等问题，提出了一种基于手机加速度与陀螺仪数据的卷积—卷积长短时记忆—注意力（CCLA，convolution-convolutional long short-term memory-attention）人体姿态识别算法。使用卷积神经网络对姿态数据进行空间特征提取，采用卷积长短时记忆网络挖掘数据中隐含的时序信息，模拟人脑选择注意力机制构建Attention（注意力）编码器进行更高层次的时空特征提取，以实现对姿态的精准分

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：2097152
    • 提供者：weixin_38576922

  1. WAMS错误数据的快速辨识及恢复方法

  2. 统计分析基于相量测量单元(PMU)的电力系统广域测量系统(WAMS)在实际应用中出现的监测数据的错误类型，提出基于模式识别的WAMS错误数据快速辨识及恢复方法。该方法通过对同一PMU上传的监测数据进行特征量提取，并与预先设置的时序相对变化量变化趋势矩阵和时序数值矩阵进行模式匹配，实现错误数据的实时辨识，并使用错误出现最近时刻的正常数据进行数据快速恢复。所提方法在实测的监测数据中的应用验证了其可行性。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：1048576
    • 提供者：weixin_38647822

  1. 基于局部极差变化率的风电功率波动定量刻画

  2. 针对目前风电功率波动性研究中缺乏对其时序演进特征定量刻画的问题，对风电场实测功率数据样本进行分析，提出一种基于局部极差变化率的风电功率持续波动状态的识别方法，提取风电若干个持续出力状态以描述风电功率的持续波动特征。以用来衡量局部极差变化率的幅值和相角为模型输入量，建立灰色多目标决策模型，通过兼顾幅值的变化和相角的变化以寻找模型次优解的方法挖掘出具有代表性的幅值和相角，进而定义表征波动的量即波动系数，并以此来量化风电功率在某一时间段内的波动。给出了使用波动系数修正现行风电场预测预报考核指标的方法。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38576045

  1. 运用开端神经网络进行人体姿态识别

  2. 通过迁移深度神经网络在图像识别方面的经验，提出了一种基于Inception神经网络和循环神经网络结合的深度学习模型（InnoHAR），该模型端对端地输入多通道传感器的波形数据，利用 1×1 卷积对多通道数据的有机组合，不同尺度的卷积提取不同尺度的波形特征，最大池化过滤微小扰动造成的假阳性，结合时间特征提取（GRU）为时序特征建模，充分利用数据特征完成分类任务。相比已知最优的神经网络模型，在识别准确度上有近 3%的提升，达到了state-of-the-art的水平，同时可以保证低功耗嵌入式平台的实

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：813056
    • 提供者：weixin_38545243

  1. GAD：基于拓扑感知的时间序列异常检测

  2. 为了解决网络中节点设备异常检测、智能运维、根因分析等问题，针对链路时延、网络吞吐率、设备内存使用率等时序数据，提出了一种基于图的门控卷积编解码异常检测模型。考虑网络场景的实时性需求以及网络拓扑连接关系对时序数据的影响，基于门控卷积对时序数据并行提取时间维度特征并通过图卷积挖掘空间依赖关系。基于时空特征提取模块组成的编码器对原始输入时序数据编码后，卷积模块组成的解码器用于重构时序数据。原始数据和重构数据间的残差进一步用于计算异常分数并检测异常。在公开数据和模拟仿真平台上的实验表明，所提模型相对于目

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38620959
« 12 »