搜索资源列表
multiuserdetector
- 在码分多址系统中,求解多用户检测问题是重要环节,介绍了多用户检测问题的应用背景和发展 现状,重点综述基于半定规划模型寻求多用户检测问题次优解的几种重要方法,包括随机扰动法、 坐标下降法、半定规划的割平面法和二次规划的分枝定界法等。结合数值实验,评析比较了这些 方法的优缺点-Quasi-Maximum-Likelihood Multiuser Detection Using Semi-Definite Relaxation
myPL0
- 本次实验使用平台是Microsoft Visual C++6.0，编程语言是C语言，利用递归下降子程序法实现对一个PL/0源程序中的表达式、各种说明语句、赋值语句进行词法分析和语法分析，完成符号表的管理并能实现确定源码中标识符的类型与二维坐标位置，和赋值语句及表达式中间代码的生成，做的一大亮点是程序有着很严格的出错处理子程序，能确定错误类型和错误位置，能检测输入源程序的开头，数值类型的判断，运算错误检查，变量定义重复性的检查，数值类型的
-Common-non-binding
- 最优化常用无约束方法，内有最速下降法，newton法，共轭梯度法，坐标轮换发等程序，程序均用C语言编写！-The most common unconstrained optimization methods, steepest descent method within, newton method, conjugate gradient method, coordinate rotation of hair and other pro
hierarchy
- 2D骨骼动画中骨骼层次的生成和反向运动学(IK)的循环坐标下降算法求解的实现-the generation of skeleton hierarchy in 2D skeleton animation and the realize of IK solution by cyclic coordinate descent method
PCD
- PCD 压缩传感使用并行坐标下降算法(冗余字典由各种小波变换和离散余弦变换被用于图像修复-PCD compressed sensing using parallel coordinates down algorithm (redundant dictionary by all sorts of wavelet transform and discrete cosine transform is used for image restor
m11
- 混合高斯(Mixture of Gaussian, MOG) 背景建模算法和Codebook 背景建模算法被广泛应用于监控视频的运动目标检测问题, 但混合高斯的球体模型通常假设RGB 三个分量是独立的, Codebook 的圆柱体模型假设背景像素值在圆柱体内均匀分布且背景亮度值变化方向指向坐标原点, 这些假设使得模型对背景的描述能力下降. 本文提出了一种椭球体背景模型, 该模型克服了混合高斯球体模型和Codebook 圆柱体模型假设的局
Trabajo2_Li
- 机器人逆运动学，CCD算法，坐标循环下降算法 相关算法基础：https://sites.google.com/site/auraliusproject/ccd-algorithm 程序运行，看readme-Inverse kinematics, CCD algorithm, coordinate circulation decline related algorithms underlying algorithms: https
paper_experiment
- 并行坐标下降算法代码,在linux环境下编程，环境vc-coordinate descent algorithn
DCD_V2
- 使用二分坐标下降法实现对乘正定系数矩阵的求逆计算-DCD Matrix INV
yibumotor_DTC_control
- 异步电机直接转矩控制系统仿真： 模型整体结构分为三大部分：主电路部分（直流电源、逆变器、电机）、控制系统部分（采用的是直接转矩控制，所以主要有坐标变换模块，灰色部分，磁链观测器模块，红色部分，直接转矩开关表选择模块，蓝色部分，以及外环的转速调节器ASR）剩下的就是仿真结果波形观测部分（观测信号依次向下为定子ab相线电压、三相定子电流、电机转速、电机电磁转矩） 运行初始条件为以1420r./min的额定转速电机空载启动，在0.3s时刻
lasso
- 线性回归里的最小二乘估计，以及应用坐标下降的岭回归和Lasso的回归的python实现(Ridge regression and Lasso regression)
BCD_GroupLasso
- 利用块坐标下降算法求解组套索问题的matlab程序包，内有示例。(Effcient Block-coordinate Descent Algorithms for the Group Lasso)