Dunn 检验是 Holm-Sidak 多重 t 检验的非参数模拟。 当您使用 Kruskal-Wallis 检验时,您知道您的组之间是否存在差异,但您无法对每对夫妇应用 KWtest,因为总体误差 > alpha(邦费罗尼不等式)。 通过 Dunn 的测试,您可以使用多个降压比较突出显示差异的位置。 该算法需要统计工具箱。
2021-11-09 19:26:33 4KB matlab
1
基于MATLAB的狄克逊检验法判别,可以用于排除离群数据,增加收集信息值的可靠性,并且基于排除后的数据组求出算术平均值。
2021-11-09 17:20:50 3KB MATLAB 狄克逊
1
主要介绍了Python基于matplotlib画箱体图检验异常值操作,涉及Python针对xls格式数据文件的读取、matplotlib图形绘制等相关操作技巧,并附带xls数据文件供读者下载参考,需要的朋友可以参考下
2021-11-09 15:59:09 76KB Python matplotlib 箱体图
1
sqlserver geometry 错误数据检验函数汇总
2021-11-09 14:05:38 4KB arcgis sqlserver sql
1
本程序是有关泊松过程的模拟、检验及参数估计
2021-11-09 13:22:44 1KB possion
1
(一)Mann-Kendall突变检验的原理 对于时间序列X,(含有n个样本),构造一个秩序列: 秩序列 是第i个时刻数值大于j个时刻时,数值个数的累加。 二、Mann-Kendall突变检验 (k=2,3,…,n) (4.4.6) 其中 (j=1,2,…,i)
2021-11-08 15:25:54 1.01MB mk
1
matlab精度检验代码密度演化-AWGN 子文件夹中的main.m包含GA的原型互逆信道近似(RCA),例如多边缘类型(MET)LDPC码的密度演化迭代解码阈值的近似。 使用S.-Y.Chung GD Forney,TJ Richardson,R.Urbanke文章中的RCA构造代码关于香农极限0.0045 dB以内的低密度奇偶校验码的设计,IEEE通信字母5(2),58- RCA方法在S.-Y.Chung中有详细介绍,第60页,2001年。 麻省理工学院麻省理工学院的论文,2000年。在Matlab和GNU Octave 5.1的旧版本(2011年)和新版本(2018年)上进行了测试(比Matlab慢几倍)。 RCA-GA是从运行时间和准确性快速进行DE近似的最佳方法之一。 Protograph RCA不需要生成Protograph,可使用带环围/ EMD()的模拟退火或其他QC扩展方法直接将其抬高。 profgen.m-基于AWGN信道下LDPC码度分布优化的基于密度演化的GA近似。 取自亚历山大·德·贝纳斯特(Alexandre de Baynast)。 由于lsqlin实施工
2021-11-07 20:52:09 166KB 系统开源
1
matlab精度检验代码微型计算机 基于Chen等人的论文“用于域自适应的边缘化堆叠降噪自动编码器”,对边缘化堆叠降噪自动编码器(mSDA)的实现和使用。 al(2012)。 本文提供了MATLAB代码,并在处提供了MATLAB和Python的实现(后者是对MATLAB代码的严格翻译)。 mSDA的此实现基于作者提供的示例代码以及本文中的方程式。 最终,该Python实现比其提供的实现稍有优化,并且希望包含更多说明性的变量名和注释。 此外,尽管在本文中作者提供了主要mSDA算法的字面MATLAB实现,但他们也进行了描述,但没有给出对高维数据的更快逼近的实现。 该项目还包含此近似值的实现。 所有这些都在msda.py中完成。 最后,为了演示mSDA的功能,该项目包含一个简单的示例应用程序:从几个类别中进行文档分类,即众所周知的20个新闻组数据集。 数据预处理(将原始数据转换为单词包)在process_data.py中从头开始,并且stop_words.txt中包含一个常用的停用词列表。 process_data.py还包含将数据分为训练集和测试集并选择最常用功能(如作者所暗示的那样)的方
2021-11-06 09:57:21 13.38MB 系统开源
1
matlab精度检验代码图卷积网络(GCN) 与以前的最佳模型相比,我们实施了GCN来预测自闭症谱系障碍(ASD),并且准确性提高了约10%。 GCNC²P模型 图卷积和图池化的影响 对邻接矩阵A和特征矩阵H的影响 图上效果的图示 依存关系 张量流 大熊猫 脾气暴躁的 斯克莱恩 tqdm 工作流程 1.准备 将ABIDE_fc.mat转换为csv文件,以便Python可以轻松读取数据。 创建一个名为“ FC_norm”的目录。 然后,在MatLab中运行 converter.m 2.预处理和创建数据集 使用data.py生成一个pickle文件,其中包含训练,验证和测试数据集。 这是为了确保数据集的分割在train.py的多次运行中是相同的,因为数据在分割之前已经洗牌了。 (数据路径在config.py中指定: DATA_dir,left_table_file,matrices_dir,pickle_path,upsampled_pickle_path) $ python data.py 或根据指定拆分的json文件生成数据集(默认为“ split_ids.json” $ python
2021-11-05 19:13:38 165.41MB 系统开源
1
医院lis检验系统,医院数据库oracle
2021-11-04 12:05:49 708KB 医院lis检验系统
1