信号与系统英文版课件：Chap7 Sampling.pptx

Random sampling of bandlimited signals on graphs.zip

Algorithm-random-sampling.zip,Java 8中用于水库随机抽样问题的算法集合,算法是为计算机程序高效、彻底地完成任务而创建的一组详细的准则。

RSS 代码促进了真正的顺序蒙特卡罗采样方法，以实现自适应不确定性分析，同时仍然实现显着的方差减少。 该方法详细描述于： Shields, MD、Teferra, K.、Hapij, A. 和 Daddazio, RP “用于基于蒙特卡罗的高效不确定性量化的精细分层抽样。” 可靠性工程和系统安全。 142：310-325。

随着高分辨率3D扫描设备获取的大规模点采样几何的出现，开发有效的算法来处理这类具有大量几何细节和复杂拓扑的模型变得越来越重要。 作为预处理步骤，表面简化对于后续操作和几何处理非常重要，也是必需的。 基于自适应均值漂移聚类方案，提出了一种曲率感知的自适应重采样方法，用于点采样几何简化。 生成的采样点是非均匀分布的，并且可以以曲率感知的方式考虑局部几何特征，即在简化模型中，采样点在高曲率区域中密集，而在低曲率区域中稀疏。 所提出的方法已经实现并通过几个示例进行了演示。

霍维茨汤姆森估计量。Horvitz-Thompson Estimator. 用于不等概不放回抽样的总体量估计。

在 Machine Learning 中，LDA 是两个常用模型的简称： Linear Discriminant Analysis 和 Latent Dirichlet Allocation， 在这篇文章中我们主要八卦的是后者。LDA 是一个在文本建模中很著名的模型，类似于 SVD, PLSA 等模型， 可以用于浅层语义分析,在文本语义分析中是一个很有用的模型。很不幸的是，这个模型中涉及的数学知识有点多， 包括 Gamma 函数， Dirichlet 分布， Dirichlet-Multinomial 共轭， Gibbs Sampling, Variational Inference, 贝叶斯文本建模，PLSA 建模, 以及 LDA 文本建模。 这篇文章的主要目标，就是科普在学习理解LDA 模型中，需要了解的一些重要的数学知识。 预设的读者是做自然语言处理、机器学习、数据挖掘方向的工程师， 要读懂这篇科普，需要的数学基础知识基本上不超过陈希孺先生的《概率论与数理统计》这本书。

matlab非参数代码非参数采样纹理合成 CS663 最终项目。 通过非参数采样进行纹理合成。 这是加州大学伯克利分校的 Alexei A. Efros 和 Thomas K. Leung 关于通过非参数采样进行纹理合成的论文的实现。 我们已经实现了 matlab 代码，最终报告包含最终结果。

信号稀疏分解MATLAB代码多尺度采样补充 该存储库包含本文随附的Matlab代码 Krithika Manohar，Eurika Kaiser，Steven L.Brunton和J.Nathan Kutz。 “针对多尺度动力学的优化采样”。 SIAM多尺度建模和仿真（2019）。 出现。 有关本文的预印本，请参见。 这项工作开发了用于在空间域（即传感器放置）中进行最佳采样的方法，以发现和估计在多个时间尺度上运行的动力学。 主要工具是使用多分辨率动态模式分解（mrDMD）和用于传感器放置的矩阵QR枢轴进行降维。 在此代码中，我们提供以下内容： 计算给定数据集的mrDMD和最佳传感器位置的功能。 生成本文中图形的脚本。 基于NOAA海面温度（SST）数据的多尺度采样示例以及多尺度人工视频示例。 src /中的mrDMD方法和子例程改编自先前的工作 J. Nathan Kutz，Steven L. Brunton，Bingni W. Brunton和Joshua L. Proctor。 动态模式分解：复杂系统的数据驱动建模。 卷149. SIAM（2016年）。 外部依赖 Matlab信号

讲述了通信系统中带通信号的采样定理，以低通采样定理推到带通采样定理，并举例分析。