此提交包含以下文件： 1）dataset.mat 2) KPCAsurface.m 3) PCAsurface.m 4）greenmag.m dataset.mat 包含取自模拟过程示例的二维数据集。 该数据用于训练和测试内核 PCA 以进行故障检测。 训练后，为输出数据空间中的每个位置计算广泛使用的用于故障检测的 T2 和 Q 统计指标，从而生成等高线图。 然后将 99% 显着性水平检测限叠加在地图上，作为数据空间的正常（绿色）和错误（品红色）区域之间的边界。 使用等高线图，人们可以将各种内核类型和参数选择对正常和故障过程状态之间的决策边界的影响可视化。 这项工作是对参考文献 [1] 中结果的补充。 进一步的工作可以通过调查内核行为对进程监控性能的影响来进行。 [1] KES Pilario、Y. Cao 和 M. Shafiee。 非线性动态过程中早期故障监测的混合核规范变量

AutoCAD 2016中文版精彩百例视频教程

AutoCAD 2017机械绘图实例视频教程

AutoCAD 2017机械绘图实例视频教程

AutoCAD 2017机械绘图实例视频教程

AutoCAD 2017机械绘图实例视频教程

AutoCAD 2017机械绘图实例视频教程

轮廓fcmap.m：用精确的色彩图填充轮廓图 作者：凯利·科尔尼（Kelly Kearney） 该存储库包括contourfcmap.m函数Matlab函数的代码，以及运行它所需的所有从属函数。 该函数创建一个阴影轮廓图，与contourf函数创建的轮廓图相似。 但是，contourf图及其颜色图之间的关系（即确切地对应于每个轮廓间隔的颜色）通常会造成混淆和不一致。 相反，该功能允许用户精确指定每个间隔中要使用的颜色，还可以为超出轮廓线限制的区域选择颜色。 内容 入门 句法 描述 例子 Contourfcmap背后的算法 会费 入门 先决条件 此功能需要Matlab R14或更高版本。 下载与安装 可以从或下载此代码。 File Exchange条目每天从GitHub存储库更新。 Matlab搜索路径 需要将以下文件夹添加到您的Matlab搜索路径中（通过addpath ， pat

世界各个国家的地图轮廓图 包含主要亚洲、美洲、欧洲、非洲等主要国家

照片速写：从图像推断轮廓图 此回购包含我们草图生成器的培训和测试代码。 我们还提供了 。 有关技术细节和数据集，请参阅和 。 配置 现在，该代码已更新为使用PyTorch 0.4，并可以在Windows，Mac和Linux上运行。 对于PyTorch 0.3的过时版本（仅Linux），请检出分支。 Windows用户应找到相应的.cmd文件，而不是下面提到的.sh文件。 一线安装（在Conda环境中） conda env create -f environment.yml 然后激活环境（草图），就可以开始了！ 有关conda环境的更多信息，请参见。 手动安装 请参阅environm