搜索资源列表
用“时域最小平方误差准则” 设计IIR DF
- 试用时域最小平方误差准则（最小平方逆设计）设计一个具有四项系数的IIR DF的系统函数，使其在y(n)=[3,2,1]输入激励下，输出v(n)逼近d(n)=[2,0.2,0.05]。令v(-1)=v(-2)=0。求出v(n)的前8个样值与d(n)进行比较。用matlab实现了此要求。-trial at the least square error domain guidelines (minimum inverse square des
LMSE-HoKashyap
- 最小平方误差(LMSE)算法实现，可训练的确定性分类器的迭代算法。用于对训练一个向量，使得向量与给定矩阵的乘积的结果向量足够小。-least square error (LMSE) algorithm can be trained classifier uncertainty iterative algorithm. For a pair of training vectors, making vector and matrix giv
SVD
- ％ 奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法， ％ 但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵， ％ 而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。 ％ 使用SVD分解法的用途是解最小平方误差法和数据压缩。用svd分解法解线性方程组，在Quke2中就用这个
用“时域最小平方误差准则” 设计IIR DF
- 试用时域最小平方误差准则（最小平方逆设计）设计一个具有四项系数的IIR DF的系统函数，使其在y(n)=[3,2,1]输入激励下，输出v(n)逼近d(n)=[2,0.2,0.05]。令v(-1)=v(-2)=0。求出v(n)的前8个样值与d(n)进行比较。用matlab实现了此要求。-trial at the least square error domain guidelines (minimum inverse square des
LMSE-HoKashyap
- 最小平方误差(LMSE)算法实现，可训练的确定性分类器的迭代算法。用于对训练一个向量，使得向量与给定矩阵的乘积的结果向量足够小。-least square error (LMSE) algorithm can be trained classifier uncertainty iterative algorithm. For a pair of training vectors, making vector and matrix giv
circlefitting
- 最小二乘法拟合圆vc实现，最小二乘法(least squares analysis)是一种 数学 优化 技术，它通过 最小化 误差 的平方和找到一组数据的最佳 函数 匹配。 最小二乘法是用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。-least squares fitting round vc realized, least-squares method (least squares analysis) is a mat
math2
- 一些数学处理函数，包括：用频域最小误差平方方法设计线性相位FIR低通数字滤波器、最小均方(LMS)算法的自适应数字滤波、离散小波变化函数-Deal with some mathematical functions, including: use of frequency domain methods of design of the smallest square error linear phase FIR low-pass digi
SVD
- ％ 奇异值分解 (sigular value decomposition,SVD) 是另一种正交矩阵分解法；SVD是最可靠的分解法， ％ 但是它比QR 分解法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵， ％ 而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。 ％ 使用SVD分解法的用途是解最小平方误差法和数据压缩。用svd分解法解线性方程组，在Quke2中就用这个
agression
- 最小二乘法 设经验方程是y=F(x)，方程中含有一些待定系数an，给出真实值{(xi,yi)|i=1,2,...n},将这些x,y值 代入方程然后作差，可以描述误差：yi-F(xi)，为了考虑整体的误差，可以取平方和，之所以要平方是考虑到误差可正可负直接相加可以相互抵消，所以记 误差为： e=∑(yi-F(xi))^2 它是一个多元函数，有an共n个未知量，现在要求的是最小值。所以必然满足对各变量的偏导等于0，于是得到n个方
textureclassfication
- 提出了一种基于函数联接的感知器神经网络的纹理分类方法.它采用高斯2马尔柯夫随机场模型(GM RF)对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得.将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题.对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果. -Based on the function connected
main
- 基于最小平方误差准则函数的分类器设计编写程序过程中，难点是收敛判别-Based on the least square error criterion function of the classifier design process of the preparation process, the difficulty of convergence discriminant
hpir
- 本程序用C++语言编写了最小二乘曲线拟合的程序，在VC2008环境中运行成功，并给出了一个实例。 // 输入 - X[n]、y[n] 拟合次数（几次的多项式） // 输出 - out[n]（拟合后的节点值） dt[0]-累计平方误差 dt[1]-累计绝对误差 dt[2]-最大误差 // 输入 - X[n]、y[n] 拟合次数（几次的多项式） // 输出 - out[n]（拟合后的节点值） dt[0]-累计平方误差 dt[
MATLAB_mse
- 本文采用最小平方误差准则(MSE准则)通过训练样本集建立线性判别函数，并用线性判别函数去判断测试集。 数据集报告： 1、男女生 2、sona 3、ups-In this paper, the least square error criterion (MSE criterion) the training sample set by a linear discriminant function, and a linear
report
- 本文采用最小平方误差准则(MSE准则)通过训练样本集建立线性判别函数，并用线性判别函数去判断测试集。 实验报告-In this paper, the least square error criterion (MSE criterion) the training sample set by a linear discriminant function, and a linear discriminant function t
the-least-square-error-algorithm
- 线性分类器-最小平方误差算法，对一组数据进行分类，分析b1、b2改变对结果的影响-Linear classifier- the least square error algorithm
fenleisuanfa
- 分别采用感知机算法、最小平方误差算法、线性SVM算法设计分类器，分别画出决策面，并比较性能。-Perceptron algorithm were used, the least square error algorithm, linear SVM classifier algorithm, respectively, making face paint, and compare performance.
linear
- 基于最小平方误差逼近的线性阀体的设计linear body-Based on the minimum squared error approximation of the design of linear body
svm-ses
- 分别采用感知机算法、最小平方误差算法、线性SVM算法设计分类器，分别画出决策面，并比较性能。-The machine algorithm respectively perception, the minimum square error algorithm, linear SVM classifier algorithm design, respectively, draw the decision surface, and compa
Linear-classifier-design
- 对“data1.m”数据，分别采用感知机算法、最小平方误差算法、线性SVM算法设计分类器，分别画出决策面，并比较性能。-The "data1.m" data, respectively, using the perceptron algorithm, the least square error algorithm, the linear SVM algorithm design classifier, respectively, to
LS
- 模式识别中的最小平方误差方法,柏涵两种不同的识别方法-Pattern Recognition least square error method, Bo Han two different identification methods