本书旨在介绍适用于平滑技术的统计和数学原理。

在有监督的特征选择方法中，将根据其与用于教学分类器的标签信息的关系来选择将用于分类的特征。 在提出的研究中，使用两个不同的相关系数（一个参数和一个非参数）测量了这种关系。 皮尔逊（Pearson）被用作参数相关系数，肯德尔（Kendall）被用作非参数相关系数。 以彩色图像中的人体皮肤分割为案例研究，以证明参数和非参数相关系数的优势。 在彩色图像中，当基于像素应用皮肤分割时，该问题变成二元分类问题。 对于每个像素，提取基于颜色和纹理的72个特征。 根据获得的度量的顺序，将特征按高相关性分类为低相关性，并选择最强的特征进行分类。 分类器通过提取特征进行训练和测试，无论是否使用从Pratheepan数据库获得的特征选择方法。 再次添加消除的功能时，可以看出它的贡献很低，或者破坏了分类。 该代码旨在通过参数方法和非参数方法选择我们在本文中提到的72个功能。 您可以根据功能部件的数量修改代码。 引

流量分离数字滤波器 单参数和二参数水文分离方法 对于长期的连续水位测量，可以使用数字滤波方法从总流量中分离快速流量（高频）和基本流量（低频）分量。 1，单参数分离（Nathan and McMahon，1990）a：基流过滤器参数 2，两个参数分离（Eckhardt，2005）a：基本流量过滤器参数BFImax：基本流量与总流量的长期比率的最大值 参考： Nathan，RJ和TA McMahon，1990年。基准流和衰退分析自动化技术的评估。 水资源研究，26（7）：1465-1473。 Eckhardt，K.，2005。如何构造用于递归分离的递归数字滤波器。 水文过程，19（2）：507-515。

FANUC 21i-TB的K参数和D参数说明

坐标转换程序中，需要计算四参数和七参数，这个代码包括了矩阵运算，四参数和七参数的模块