具有丰富的参数选项,仿真效率很高的，音频信号通过LM386放大，这是一个好用的频偏估计算法的matlab仿真程序,matlab开发工具箱中的支持向量机，D-S证据理论数据融合。
2022-06-25 14:06:14
5KB
BELMKN：贝叶斯极限学习机Kohonen网络
无监督的极限学习机（ELM）是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取，聚类预测，最后使用k-means进行聚类。
客观的
要使用Unsuoervised Extreme Learning Machine执行非线性特征学习，使用贝叶斯信息准则（BIC）预测数据集中的聚类数，最后使用k-means，自组织图/ Kohonen网络和EM算法进行聚类
模组
无监督的极限学习机：在此模块中，使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法，其中输入层和隐藏层之间的权重被随机初始化，并且使用目标函数计算隐藏层和输出层之间的权重。 因此，可以保证收敛于全局最小值。
贝叶斯信息准则：贝叶斯信息准则是一种统计方法，使用d来找出数据集中的聚类数。 它使用期望最大化（EM）算法来查找数据集中的
2022-06-18 21:43:48
1.89MB
1
代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭代算法最小费用流代码代码 基于Busacker-Gowan迭
2022-06-04 18:06:46
1KB
基于自适应加权快速傅里叶变换的迭代算法提出用于远场平顶光束整形。 该算法继承Gerchberg-Saxton算法的投影优化思想，但是自适应快速傅里叶逆变换的远场幅度通过使用一种新颖的优化的自适应权重策略。 一，应用该方法对方形平顶强度分布光束整形的效果是作为示例进行讨论。 通过模拟的纯相分布此方法的100次迭代会集中93.89％的入射激光能量进入所需区域和均方根误差（RMSE） 量身定制的平顶强度分布的平均值是0.0094。 少于20次迭代该方法的集中度超过了90％的入射激光能量进入所需区域和量身定制的平顶强度分布图的RMSE 小于0.05。 然后，该方法在设计中的适用性形状或直径可变的平顶的相位分布光束整形得到了证明。
2022-06-01 09:30:32
3.47MB
1
这个 MATLAB 包是下面论文中提出的算法 1 的实现。 S. Basiri，E。Ollila和V. Koivunen，“使用新型功率迭代算法的FastICA的替代推导”，在IEEE信号处理快报中，第1卷。 24，没有。 9，第 1378-1382 页，2017 年 9 月。 如果您在出版物中使用此功能，请使用上述引文信息引用该论文。
2022-05-27 20:29:16
765KB
1