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. K近邻法进行的模式识别的C语言描述

  2. 用C语言对K近邻法进行的模式识别应用，word文档

  3. 所属分类：C

    • 发布日期：2009-10-14
    • 文件大小：65536
    • 提供者：limuccc123

  1. k means java程式

  2. k means java程式 KMeans算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。 当初始簇心选行不好时，KMeans的结果会很差，所以一般是多运行几次，按照一定标准（比如簇内的方差最小化）选择一个比较好的结果。

  3. 所属分类：Java

    • 发布日期：2015-03-22
    • 文件大小：16384
    • 提供者：wizard3433

  1. python计算机视觉.pdf

  2. 高清完整版，极力推荐。 第1 章　基本的图像操作和处理 .....................................................................................................1 1.1　PIL：Python 图像处理类库.................................................................................................

  3. 所属分类：Python

    • 发布日期：2017-09-22
    • 文件大小：30408704
    • 提供者：donggua209

  1. KMeans 算法

  2. kmeans算法代码 Kmeans算法基本思想是：首先给出聚类的个数K，然后初始随机给定K个待聚类中心（也叫簇中心），按照最邻近原则把待分类样本点分到各个类，也就是样本点到哪个簇中心的距离最近，这个样本点就属于哪一类。然后按平均法重新计算各个簇的质心，从而确定新的簇心，即新的簇中心坐标是这一类中所有数据点坐标的算术平均值，如此一直迭代，直到相邻两次迭代中簇心的移动距离小于某个给定的阈值P或是迭代次数达到预选设定的上限T。 K-Means聚类算法主要分为三个步骤： (1)输入待分类的样本数据点集D

  3. 所属分类：专业指导

    • 发布日期：2018-12-30
    • 文件大小：44032
    • 提供者：weixin_42364309

  1. 频谱分析基础.pdf

  2. 非常好的频谱分析入门资料，目前不太好找；手头正好有，就分享一哈目录 第1章-引论… 频域对时域 什么是频谱? 为什么要测量频谱? 5668 信号分析仪种类 第2章-频谱分析仪原理 射频衰减器 10 低通滤波器或预选器 分析仪调谐 中频增益 信号分辨 剩余调频 相位噪声 扫描时间 01235680 包络检波器 显示 检波器类型 采样检波 峰值(正)检波 24 负峰值检波 24 正常检波 24 平均检波 27 EM检波器:平均值和准峰值检波 平滑处理 28 时间选通 第3章-数字中频概述 数字滤波器

  3. 所属分类：硬件开发

    • 发布日期：2019-10-12
    • 文件大小：23068672
    • 提供者：xiaominxiaoming

  1. 陈为：电动汽车OBC磁元件分析与设计.pdf

  2. 陈为：电动汽车OBC磁元件分析与设计pdf,电动汽车电力电子与磁性元件：新能源汽车已成为磁性元件、磁材料企业的重点关注项目。IUZUIOU UNIVERSITY 磁元件的总体考虑 EMC (Manufacture Mechanica Safet Cost Form factor Thermal dissipati 磁芯 绕组 形状 线形结构 线规 EMI Freq Solid Stacked Diameter Power Sandwiched Strain OSS G和 磁芯的形状和材料 口磁合

  3. 所属分类：其它

    • 发布日期：2019-09-14
    • 文件大小：6291456
    • 提供者：weixin_38744435

  1. 无线电收发信机基础.pdf

  2. 无线电发射机(Radio Transmitter)是实现信号在无线信道中有效传输的通信设备之一。它的作 用是将要传输的基带信号通过调制，放大、变频等一系列处理，最终使信号通过天线以高频 电磁波的形式进入到无线空间。这里给出关于无线通信系统发射机和接收机的一些基础知识参考资料。偏移(对于调相)与调制信号频率之间的关系。要求在300~3400Hz的频率范围内调制特性平 坦(无加重网络时,而在3400z以上,要求调制频率特性山线迅速下降,以便使话音中无 用的高音分量受到充分的抑制。调制线性是指在使用规

  3. 所属分类：电信

    • 发布日期：2019-08-03
    • 文件大小：581632
    • 提供者：lileiwll

  1. 易康用户操作手册.pdf

  2. 特别好的资源，希望大家可以用来进行学习e Cognition Developer9—用户指南 353分类(最邻近法)( Nearest Neighbor)135 354分类(亮度阈值)( Brightness Threshold) 37 3.6导出数据 DDDD面 DDDDDDD1 361导出(点) 362导出(多边形) 4教程引言 40 4.1形状识别 40 4.1.1将影像分为基木的对象 4.1.2识别背景 41 4.1.3形状和它们的属性 D I …,43 4.1.4完整的规则集… 44

  3. 所属分类：其它

    • 发布日期：2019-07-28
    • 文件大小：8388608
    • 提供者：qq_40178533

  1. 改进的k-均值算法在聚类分析中的应用

  2. 介绍了在聚类中广泛应用的经典k-均值算法,并针对其易受随机选择初始聚类中心和孤立点的影响的不足,给出了改进的k-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始聚类中心的选择进行了改进。并做了改进前后的对比实验和应用。结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择初始聚类中心的影响也有所降低。

  3. 所属分类：其它

    • 发布日期：2020-06-26
    • 文件大小：178176
    • 提供者：weixin_38562626

  1. K近邻法算法.txt

  2. K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：1024
    • 提供者：weixin_42979916

  1. K-means指纹定位的优化算法

  2. K-means指纹定位可减少定位算法的计算量，提高定位的实时性已成为当前定位算法的一个研究热点。然而其聚类的随机性却给定位带来极大的不稳定性，对此提出使用两步聚类算法进行优化，根据AIC准则自动得到最优的聚类个数；针对最邻近算法定位误差大的情况，使用相关系数法确定相似度最高的子库，再估计最终位置。实验结果表明，优化后的算法不但改善了定位精度，也极大提高了定位的实时性与稳定性。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：527360
    • 提供者：weixin_38682161

  1. python实现kNN算法

  2. kNN(k-nearest neighbor)是一种基本的分类与回归的算法。这里我们先只讨论分类中的kNN算法。 k邻近算法的输入为实例的特征向量，对对应于特征空间中的点；输出为实例的类别，可以取多类，k近邻法是建设给定一个训练数据集，其中的实例类别已定，分类时，对于新的实例，根据其k个最邻近的训练实例的类别，通过多数表决等方式进行预测。所以可以说，k近邻法不具有显示的学习过程。k临近算法实际上是利用训练数据集对特征向量空间进行划分，并作为其分类的“模型” k值的选择，距离的度量和分类决策规

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：98304
    • 提供者：weixin_38746951

  1. K 近邻法及其在手写数字识别的实践

  2. 文章首发于 个人博客 引言 k 近邻法（k-nearest-neighbor, KNN）是一种基本的分类和回归方法。现在只讨论其分类方面的应用，它不具备明显的学习过程，实际上是利用已知的训练数据集对输入特征向量空间进行划分，并作为其分类的“模型”。 其中 k 值的选择、距离的度量及分类决策规则是 k 近邻模型的三个基本要素。 本文将按照以下提纲进行： k 近邻法阐述 k 近邻的模型 k 近邻在手写数字识别上的实战 k 近邻法阐述 k 近邻算法非常容易理解，因为其本质上就是求距离，这是非常简单而直

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：352256
    • 提供者：weixin_38720762

  1. 多种方法的房价预测模型（LR，KNN）.zip

  2. 1.使用csv_create.py将data文件中的excel文件转为csv文件并保存在data文件夹中； 2.使用csv_split.py将data中的csv文件分为训练集、测试集保存在hf文件夹中； 3.Housing_test1.py为任务1房地产均价预测，采用线性回归模型，结果保存在results/Housing_LR文件夹中； 4.Housing_test2.py为任务1房地产均价预测，采用K邻近回归模型，结果保存在results/Housing_KNN文件夹中； 5.Housing_

  3. 所属分类：Python

    • 发布日期：2021-03-10
    • 文件大小：5242880
    • 提供者：weixin_43751461

  1. 无监督研究-源码

  2. 无监督研究 “使用混合机器学习和放射线学对帕金森氏病亚型进行严格鉴定” 降维算法主成分分析核PCA t分布随机邻居嵌入因子分析Sammon映射算法Isomap算法Landmark Isomap算法Laplacian特征图算法局部线性嵌入算法多维缩放算法扩散图算法随机邻近嵌入算法高斯过程潜变量模型随机对称随机邻居嵌入算法自编码器算法 聚类算法自组织地图相似性传播层次聚类-沃德方法层次聚类-完全链接算法HC-WLA（层次聚类-加权链接算法K均值算法K-中等算法与高斯混合模型算法聚类 支持向量机的分

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：36700160
    • 提供者：weixin_42139460

  1. 于法向量夹角信息熵的点云简化算法

  2. 针对点云简化很难完全保证精度和速度上达到最优的问题，提出了基于法向量夹角信息熵的点云简化算法。利用经典的主成分分析方法来估计点的法向量，计算法向量与参考平面的夹角，利用最邻近点搜索算法，确定每个点的K 个最邻近点，并根据信息熵的定义，提出法向量夹角局部熵模型，局部熵的大小直接反映了表面的特征状况；针对不同区域局部熵大小，进行逐步的点云简化，从而可以保留凸变区域较多的点，精简较多平面区域的点，实现点云的非均匀简化。实验结果表明，该方法在简化精度和速度上都能达到较优。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：3145728
    • 提供者：weixin_38590685

  1. 采用点云重心距离进行边界检测的点云数据配准

  2. 针对现有迭代最邻近点(ICP)算法在点云数据配准过程中查找对应最近点速度缓慢、配准效率低的问题,提出一种采用点云重心距离进行边界检测的点云数据配准新算法.该算法首先运用主成分分析法进行点云数据粗配准,获得良好点云姿态;其次,采用点云重心距离特征进行边界检测并提取待配准点云边界;在此基础上,利用K-D树在两点云边界中查找对应最近点对,并通过单位四元数法进行坐标转换,求得平移矩阵及旋转矩阵,从而实现快速、精确的点云数据配准.实验结果表明:与经典ICP算法、现有改进ICP算法相比,本文中点云边界特征点

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：121856
    • 提供者：weixin_38629274

  1. 三维激光点云与CCD影像融合的研究

  2. 提出了一种激光扫描数据和影像融合的方法，通过立体像对匹配获取精确匹配点，并与三维扫描点云进行最邻近迭代配准；在利用网格划分法进行的K邻近点搜索中，采用欧氏距离的选择权迭代逐步实现影像点与激光扫描点的精确配准；利用空间后方交会获取正确的外方位元素，通过摄站点、像点以及激光点之间的共线关系，在相对应影像上进行激光点的像素定位，并提取颜色属性信息。实验结果表明，该算法不但较好地实现了三维地面激光点云数据与CCD影像的精确融合，且对机载激光数据与影像的融合亦可行和有效。

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：4194304
    • 提供者：weixin_38549520

  1. 基于邻域表面形变信息加权的点云配准

  2. 为了提高点云的配准精度,解决单一特征导致迭代最近点(ICP)算法在噪声干扰和数据缺失的情况下鲁棒性差的问题,提出一种基于邻域表面形变信息加权的点云配准方法。先为简化点的邻域信息提出以邻近点数量为约束的邻域构建方法,考虑邻近点对采样点的影响并引入加权方法提高内部形态描述子(ISS)特征点提取算法的提取效率;计算邻域的法向量内积均值对点云进行第二次特征点提取;再利用快速点特征直方图(FPFH)进行特征描述,并运用双重约束条件确定匹配点对关系;最后在配准阶段,采用双向k维树ICP(DTICP)算法来实

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：7340032
    • 提供者：weixin_38683488

  1. 机器学习算法总结3:k近邻法

  2. k近邻法(k-NN)是一种基本分类与回归方法。算法思想：给定一个数据集，对新的输入实例，在训练数据集中找到与其最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为哪个类。 k近邻的特殊情况是k=1的情形，称为最近邻算法。 k近邻算法没有显式的学习过程。 1.模型：k近邻法使用的模型对应于对特征空间的划分。 k近邻法中，当训练集、k值、距离度量(如欧式距离)及分类决策规则确定后，对于任何一个新的输入实例，它所属的类唯一地确定。 模型的三个基本要素：k值的选择、距离度量以及分类决策规

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：437248
    • 提供者：weixin_38508821