精通Matlab数字图像处理与识别
作者:张铮 倪红霞 苑春苗 杨立红
出版社:人民邮电出版社
ISBN:9787115304636
VIP会员免费
(仅需0.8元/天)
¥ 41.6
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
机器学习_拟合_局部加权线性回归_MATLAB 评分:
文章描述了局部加权线性回归基本原理(英文),并且用MATLAB上实现了对一个机器人不规则路径的非线性拟合拟合。文档末尾附有代码。
上传时间:2018-07 大小:233KB
- 1KB
局部加权的线性回归的matlab实现
2018-09-09局部加权的线性回归,使用matlab编写,有结果图 程序流程为 标准化 样本矩阵与输出向量 计算权重对角矩阵 梯度下降 反标准化 显示
- 2KB
matlab实现线性回归
2018-06-12MATLAB 实现线性回归算法代码,运用了三种方法,包括批梯度下降,随机梯度下降,和解正规方程组,代码有注释。
- 2KB
matlab开发-局部线性回归
2019-11-16matlab开发-局部线性回归。高斯核回归的局部线性估计函数
- 1.22MB
MATLAB局部加权回归分段拟合UCI数据
2017-05-20利用局部加权回归,对UCI数据进行分段线性拟合,使用时需修改下路径名。
- 7KB
局部加权法MATLAB实现
2015-09-11局部加权法利用MATLAB实现,自己写的
- 1.80MB
logistic回归和局部加权回归
2016-05-10上周讲专题时做的ppt
- 314KB
实战(python)局部加权线性回归
2018-05-05利用 python 进行局部加权线性回归实战 ,内含有原始数据及拟合结论图。
- 199KB
局部加权回归
2021-02-13局部加权回归
- 1KB
Hessian局部线性嵌入(HLLE) matlab代码实现
2018-11-23Hessian局部线性嵌入(HLLE) matlab代码实现,其中的Cs是调用正交化的程序。
- 27KB
LOWESS,线性和非线性数据的局部加权散点图平滑(增强):LOWESS,像 LOWESS 这样的稳健回归允许检测趋势,否则方差太大-matlab开发
2021-06-01LOWESS- 局部加权散点图平滑,不需要 matlab 中的统计工具箱。 此回归将适用于 X 和 Y 之间的线性和非线性关系。 修改: 12/19/2008 - 添加上下 LOWESS 平滑。 这些额外的平滑显示了 Y 的分布如何随 X 变化。这些平滑只是将 LOWESS 分别应用于正残差和负残差,然后添加到数据的原始 lowess。 相同的平滑因子适用于上限和下限。 2/21/2009 - 添加排序功能,数据不再需要排序。 还添加了一个例程,以便如果用户还提供了第二个数据集,则线性插值是最低的,并用于预测提供的 x 值的 y 值。 2009 年 10 月 27 日 - 修改了第二个用户提供的 X 数据以获得预测。 Matlab 函数默认排序是唯一的。 在代码部分中确实不需要使用 y 预测的 LOWESS 结果执行 x 数据的线性插值。 如果用户不提供第二个 x 数据集,它将假
- 2KB
LOESS 回归平滑:LOESS 对噪声数据执行局部加权回归拟合-matlab开发
2021-06-01函数 fLOESS 对一维数据执行 LOESS(使用二阶多项式的局部加权非参数回归拟合)平滑,无需 Matlab 曲线拟合工具箱。 这可能被认为是 LOWESS 的一种稍微更好的方法,它使用线性拟合产生局部加权回归。
- 1KB
线性回归模型进行拟合和预测的MATLAB示例代码
2023-07-19线性回归模型进行拟合和预测的MATLAB示例代码 主要步骤: 生成样本数据:自变量x1,x2和目标变量y1,y2 构造设计矩阵X和目标向量Y,包含两个数据组 计算X的转置矩阵X_trans 计算XTX和XTX的逆矩阵,得到线性回归的参数a 绘制原始数据点和拟合直线 给定新自变量数据,计算预测目标值 绘制新数据点和预测结果 计算均方误差MSE 输出结果 这实现了一个简单的线性回归过程,通过最小二乘法拟合参数,然后应用模型进行预测。 通过构造设计矩阵,可以实现多元线性回归,拟合多个自变量的数据。 这种基于数据构建模型的方法对于数据挖掘和机器学习非常重要,代码展示了基本的线性回归实现流程。
- 476KB
【基础教程】基于二阶多项式的局部加权非参数回归拟合LOESS平滑附matlab代码 上传.zip
2023-04-121.版本:matlab2014/2019a,内含运行结果,不会运行可私信 2.领域:智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,更多内容可点击博主头像 3.内容:标题所示,对于介绍可点击主页搜索博客 4.适合人群:本科,硕士等教研学习使用 5.博客介绍:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可si信
- 18KB
二阶多项式的局部加权非参数回归拟合LOESS平滑附matlab代码
2022-10-191.版本:matlab2019a,不会运行可私信 2.领域:基础教程 3.内容:基于二阶多项式的局部加权非参数回归拟合LOESS平滑附matlab代码 4.适合人群:本科,硕士等教研学习使用
- 7KB
线性回归实验数据.rar_southern12l_加权_回归_局部加权回归_局部加权线性回归
2022-07-15局部加权线性回归的实验数据 配套局部加权线性回归的代码
- 3KB
matlab中实现的线性回归.zip
2019-07-04机器学习课程中的线性回归实验代码,运行环境为mathlab,包含两个实例:一个是身高与年龄的二元线性回归实例,运用梯度下降算法求theta,并预测年龄为3.5和7岁的两个男孩的身高;另一个是多元线性回归实例,是关于房价的,运用了数据缩放,并探索梯度下降算法中学习率对算法迭代的影响,以及最后预测1650平方英尺和3个卧室的房子的价格。代码运行时需修改数据加载路径。
- 3KB
MATLAB - polyfit()多项式曲线拟合(线性拟合线性回归)
2023-11-05MATLAB —— polyfit()多项式曲线拟合(线性拟合线性回归)
- 328KB
行业文档-设计装置-一种基于云平台的局部加权线性回归预测运算的方法.zip
2021-09-12行业文档-设计装置-一种基于云平台的局部加权线性回归预测运算的方法.zip
- 4KB
非参数拟合视频的 MATLAB 代码:使用局部回归、交叉验证和非参数拟合的引导程序。-matlab开发
2021-06-01将 myloess.m 函数安装到您的路径上,然后浏览 MTT Nonparametric Fitting Demo.m。
- 214KB
线性回归模型的深度加权最小二乘估计和拟合检验 (2008年)
2021-05-23在线性回归模型中普通的最小二乘估计(LSE)许多情形下是不稳健的.本文介绍了一种投影深度函数,深度加权平均和深度加权LSE,这些估计量有符合需要的稳健性.并讨论了在深度加权LSE情形下线性回归模型的拟合检验问题.
- 2.45MB
MATLAB用拟合出的代码绘图-Machine_Learning_INM431:机器学习_INM431
2021-05-21MATLAB用拟合出的代码绘图机器学习_INM431 内容 第一周笔记 MatLab的主要命令 如果您在MatLab命令终端中的“编辑”之后键入任何内置的MatLab方法,您将获得有关该方法如何工作甚至代码本身的详细信息。 例如,下面的命令将为您提供有关'cov'(协方差)方法的详细信息。 edit cov 什么是协方差矩阵? 协方差矩阵是一个平方矩阵,给出给定随机向量的每对元素之间的协方差。 在矩阵对角线中存在方差,即每个元素与其自身的协方差。 它本质上用作协方差,但以矢量/矩阵形式使用。 只需将其视为可以告诉您变量之间的协方差的表格即可。 第二周笔记 什么是模型参数? 模型参数是模型内部的恒定配置/设置变量,其值可以从数据中估算出来。 模型在进行预测时是必需的,并且值定义了问题上模型的准确性。 什么是模型的超参数? 模型超参数是模型外部的配置/设置,其值无法从数据中估算。 它们通常用于流程中以帮助估计模型参数。 它们通常由从业者指定。 通常可以使用试探法来设置它们。 它们通常针对给定的预测建模问题进行调整。 我们无法知道给定问题上模型超参数的最佳值。 我们可能会使用经验法则,复制在
- 3.43MB
基于自适应局部加权线性回归的原始相机响应光谱估计
2021-05-19开发了一种改进的光谱反射率估计方法,以将原始相机的RGB响应转换为光谱反射率。 我们方法的新颖之处在于将局部加权线性回归模型应用于光谱反射率估计,并在CIELAB均匀色彩空间中使用高斯函数构造加权矩阵。 使用标准色表和一组纺织品样品,并通过数字RGB相机和十倍十倍的交叉验证,对提出的方法进行了测试。 结果表明,与现有方法相比,我们的方法在估计光谱反射率和色度值方面提供了最佳的准确性。
- 671KB
网络游戏-基于局部加权线性回归的超密集网络负载均衡优化方法.zip
2021-09-19网络游戏-基于局部加权线性回归的超密集网络负载均衡优化方法.zip
- 714B
xianxingnihe.rar_多元回归分析_多元拟合 matlab_多元拟合MATLAB_最小二乘法_线性回归
2022-07-14结构参数的线性拟合,用于多元参数的线性回归分析,最小二乘法。
- 168KB
Python数据拟合与广义线性回归算法学习
2021-01-20机器学习中的预测问题通常分为2类:回归与分类。 简单的说回归就是预测数值,而分类是给数据打上标签归类。 本文讲述如何用Python进行基本的数据拟合,以及如何对拟合结果的误差进行分析。 本例中使用一个2次函数加上随机的扰动来生成500个点,然后尝试用1、2、100次方的多项式对该数据进行拟合。 拟合的目的是使得根据训练数据能够拟合出一个多项式函数,这个函数能够很好的拟合现有数据,并且能对未知的数据进行预测。 代码如下: import matplotlib.pyplot as plt import numpy as np import scipy as sp from scipy.s
- 980B
LSTM时间序列神经网络预测MATLAB代码
2023-04-25MATLAB代码,直接运行,可以换数据。
- 59KB
Matlab 基于支持向量机(SVM)的数据回归预测 SVM回归
2023-06-131. Matlab实现支持向量机的数据回归预测(完整源码和数据) 2. 多变量输入,单变量输出,数据回归预测 3. 评价指标包括:R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据,暂无版本限制,推荐2018B及以上版本 注:采用 Libsvm 工具箱(无需安装,可直接运行),仅支持 Windows 64位系统
- 72KB
Matlab 基于BP神经网络的数据分类预测 BP分类
2023-06-061. Matlab实现BP神经网络的数据分类预测(完整源码和数据) 2. 多变量输入,单变量输出(类别),数据分类预测 3. 评价指标包括:准确率 和 混淆矩阵 4. 包括拟合效果图 和 混淆矩阵 5. Excel数据,要求 Matlab 2018B及以上版本
- 29KB
ADRC控制器仿真 simulink 2017a版本
2023-05-08ADRC控制器仿真 simulink 2017a版本