2. 用高阶多项式函数拟合曲线
3. 用解析解求解两种loss的最优解（无正则项和有正则项）4. 优化方法求解最优解（梯度下降，共轭梯度）
5. 用你得到的实验
2022-09-25 13:57:58
12KB
1
一个有关用邻接矩阵实现图的数据结构问题,以语言实现!
2022-09-24 13:00:59
1KB
c#编写的软件，将矩阵(二维数组)渲染成云图&强度图，
导入二维数据数据即可渲染成非常漂亮的云图，效果非常好，均匀性好，不存在等高线，交叉点，颜色均匀分摊，可以看整体的强度效果，
免费下载，0积分，下载看看效果，支持导入自己的数据，看看效果
最小二维数组2*2
2022-09-23 13:01:30
210KB
1
生成回型矩阵并且可以按照回型拆分矩阵。可以自定义生成回型矩阵的维数、
2022-09-23 13:00:36
45KB
5-7.利用带位移的反幂法计算矩阵的特征值.
解 作位移矩阵B=A-7E ,建立计算公式:
Bv(k)=u(k-1)
k=max(v(k))
u(k)=v(k)/k ,k=1,2,….
取初值u(0)=(1,1,1)T,计算结果如下:
取7+1/7=6
k 0 1 2 3 4 5 6 7
u1(k) 1 1 1 1 1 1 1 1
u2(k) 1 0.75 0.7222 0.7162 0.7148 0.7144 0.7143 0.7143
u3(k) 1 -0.4 -0.8044 -0.9403 -0.9828 -0.9951 -0.9987 0.9998
k -2 -1.125 -1.0278 -1.0067 -1.0018 -1.0004 -1.0000
2022-09-22 16:47:41
2.42MB
1
异常目标检测在高光谱图像(HSI)处理领域发挥越来越重要的作用。低秩稀疏矩阵分解算法(LRaSMD)可将背景和异常区分开，可以极大地减弱异常目标对背景的污染。基于此，提出一种基于低秩稀疏矩阵分解和稀疏字典表达(LRaSMD-SR)的高光谱异常目标检测算法，通过LRaSMD的方式获取背景集，通过稀疏表达的方式从背景集中构建背景字典模型，最后通过计算重构误差来检测异常点。该算法在模拟和真实数据上都进行了有效性验证，实验结果证明LRaSMD-SR算法具有非常好的异常目标检测性能。
2022-09-22 11:13:03
4.11MB
1