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. 图像信息熵 matlab M文件

  2. 有关于求取图像信息熵的matlab M 文件；虽然很简单，但可以为你省去那么一点时间。 共享改变未来！

  3. 所属分类：其它

    • 发布日期：2009-06-19
    • 文件大小：976
    • 提供者：gisvc

  1. FAST-ICA盲源分离哦

  2. 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1; 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp)'*z)))-(mean(1-(tanh((temp))'*z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,p)/norm(W(:

  3. 所属分类：网络安全

    • 发布日期：2013-06-27
    • 文件大小：1024
    • 提供者：oliuxiaoping

  1. 窗口化计算图像信息熵matlab代码

  2. 学习过程中自己写的计算图像信息熵的matlab代码，窗口化的计算方式，更能显示图像内部景观异质性，简单好用。

  3. 所属分类：教育

    • 发布日期：2018-06-08
    • 文件大小：2048
    • 提供者：qq_38522168

  1. 熵权法matlab

  2. 一、基本原理 在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。 根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大，其熵值越小。 二、熵值法步骤 1. 选取n个国家，m个指标，则为第i个国家的第j个指标的数值（i=1, 2…, n; j=1,2,…, m）； 2. 指标的归一化处理：异质指标同质化 由于各项指标的计量单位并不

  3. 所属分类：其它

    • 发布日期：2018-11-23
    • 文件大小：1024
    • 提供者：qq_43484521

  1. matlab源程序求样本熵

  2. 与近似熵相比，样本熵具有两个优势：样本熵的计算不依赖数据长度；样本熵具有更好的一致性，即参数m和r的变化对样本熵的影响程度是相同的。   样本熵的值越低，序列自我相似性就越高；样本熵的值越大，样本序列就越复杂。目前样本熵在评估生理时间序列（EEG，sEMG等）的复杂性和诊断病理状态等方面均有应用。

  3. 所属分类：其它

  1. 【图解例说机器学习】模型选择：偏差与方差 (Bias vs. Variance)

  2. 机器学习的过程大致分为三步：1）模型假设，比如我们假设模型是线性回归，还是多项式回归，以及其阶数的选择；2）误差函数定义，比如我们假设误差函数是均方误差，还是交叉熵；3）参数求解，比如使用正规方程，还是梯度下降等。 这篇文章主要讨论模型的选择问题，下面以多项式回归为例进行说明 一个例子：多项式回归中的阶数选择 在前面的文章【图解例说机器学习】线性回归中，我们定义了广义的线性回归模型，其表达式为： y^=ω0+∑j=1Mωjϕj(x)=ω0+wTϕ(x)(1) \hat y=\omega_0+\s

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：140288
    • 提供者：weixin_38701640

  1. GoEL：GoEL：电子人生游戏-源码

  2. GoEL：电子人生游戏 描述 “由于它与生物有机体社会的兴衰成败相似，它属于越来越多的所谓的“模拟游戏”，即类似于现实生活过程的游戏。” -马丁·加德纳 E的游戏； 生态，进化，环境； 基本，元素，熵； 流行，充满活力，高效，富有弹性； 电气，电子，教育； 每-生活。 目录树 . +---.gitignore +---LICENSE +---README.md +---project.godot +---default_env.tres +---assets/ \---logo.png

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：16384
    • 提供者：weixin_42117485

  1. 成都市大气消光系数时间序列随机特性分析

  2. 对不同湿度条件下消光系数序列演变特性的正确认知是构建大气颗粒物湿度订正模型的前提和基础。利用成都市人民南路4段环境监测站所提供的2013年6月到2014年5月逐时（降雨天除外）细颗粒物（PM2.5）浓度监测数据以及相应的地面能见度、相对湿度观测数据，反演得该区域相应时段单位质量消光系数时间序列。简要论述了消光系数吸湿过程中的复杂演变性及已有湿度订正模型的非普适性；基于相空间重构理论确定该时间序列的最佳延迟时间f和最佳嵌入维数m，据此计算出饱和关联维数、最大Lyapunov指数以及Kolmogor

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：3145728
    • 提供者：weixin_38720762