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
-
PRML-MATLAB.zip 评分:
本文档采用MATLAB实现了PRML模式识别与机器学习的各章节系统,可以在MATLAB中运行
上传时间:2019-08 大小:108KB
- 64B
PRML的matlab代码实现
2018-07-07PRML的matlab代码实现, 神书PRML的代码,非常好的进阶教程。
- 78KB
PRML全部代码
2016-08-29PRML每一章节的MATLAB实现
- 106KB
PRML-PRMLT.zip
2023-08-07PRML-PRMLT.zip
- 8.87MB
PRML-code.zip
2021-04-11Python codes implementing algorithms described in Bishop's book "Pattern Recognition and Machine Learning
- 11.64MB
PRML-中文版.pdf
2020-05-07PRML-中文版.pdf
- 2.62MB
prml-slides-1Introduction.zip_matlab_slides_prml_prml slides pdf
2022-09-22和当时最热的《模式识别与机器学习》对应的课件
- 11.65MB
PRML中文版.pdf
2021-12-01PRML中文版.pdf
- 3.7MB
prml-slides-2ProbabilityDistributions.zip_Duda_prml_prml slides_
2022-07-14和当时最热的《模式识别与机器学习》对应的课件,以帮助大家来学习这本书。我可以找了很长时间。
- 395.78MB
PRML_learning.zip
2021-04-11PRML 心得小记,辅助理解
- 103KB
改进kmeans算法matlab代码-PRML-Matlab:PRML-Matlab
2021-05-27PRML书中的参考公式适用于相应的代码行。 符号与本书保持同步。 实用:该软件包的设计不仅易于阅读,而且易于使用以促进ML研究。 该软件包中的许多功能已经被广泛使用(请参阅参考资料)。 安装 通过运行以下命令将...
- 108KB
改进kmeans算法matlab代码-PRML-matlab:PRML-matlab
2021-05-27注释了PRML中的相应公式。 符号与本书保持同步。 实用:该软件包不仅可读性强,而且易于使用和修改以促进ML研究。 该软件包中的许多功能已经被广泛使用(请参阅参考资料)。 安装 通过运行以下命令将
- 11.50MB
PRML_Translation.pdf
2019-07-06PRML_Pattern Recognition And Machine Learning 的翻译版,模式识别与机器学习
- 103KB
PRML-PRMLT-v1.6-0-g2e96df7.zip_Pattern Learning_loggauss_machine
2022-09-21Pattern Recognition and Machine Learning Toolbox
- 23KB
PRML-2023-模式识别第四组-预研报告(1).docx
2023-04-09PRML-2023-模式识别第四组-预研报告(1).docx
- 4.65MB
模式识别与机器学习:PRMLCourse3-SemiSupervisedLearning.pdf
2021-09-19模式识别与机器学习:PRMLCourse3-SemiSupervisedLearning.pdf
- 3.77MB
PRML中文版.mobi
2019-07-27PRML中文版.mobi格式 阅读 经典机器学习书籍 必备读物
- 5.37MB
模式识别与机器学习:PRMLCourse2-DimensionReduction.pdf
2021-09-19模式识别与机器学习:PRMLCourse2-DimensionReduction.pdf
- 3.88MB
cs231n-2018-Assignment3
2019-03-03spring1718-Assignment3 --cs231n's the newest source code and learning source
- 3.49MB
PRML-Slides-1
2018-08-16Pattern Recognition and Machine Learning是经典的模式识别和机器学习的教材,这是英文版的讲义ppt第一章。
- 19.17MB
模式识别与机器学习中英文版本PRML.zip
2021-10-13模式识别与机器学习PRML 中英皆有
- 3.41MB
配电网光伏储能双层优化配置模型(选址定容)的matlab代码
2024-04-07参考文献: [1] 刘自发,于普洋,李颉雨. 计及运行特性的配电网分布式电源与广义储能规划 [J]. 电力自动化设备, 2023, 43 (03): 72-79. [2] 任智君,郭红霞,杨苹,等. 含高比例可再生能源配电网灵活资源双层优化配置 [J]. 太阳能学报, 2021, 42 (09): 33-38. [3] 高红均,刘俊勇. 考虑不同类型DG和负荷建模的主动配电网协同规划 [J]. 中国电机工程学报, 2016, 36 (18): 4911-4922+5115. 分析系统灵活性供需关系,建立灵活资源运行-规划联合优化双层配置模型。运行层引入灵活性不足率作为系统灵活性评价指标,将网损和弃风弃光量计入经济惩罚,以系统年运行成本最优为目标;规划层引入系统综合安全性指标对系统安全性进行评估,以系统年综合成本最优为目标。采用粒子群优化算法对双层配置模型进行求解。最后,利用IEEE 33节点配网系统对算例进行仿真,结果验证了所提运行-规划联合双层配置模型能有效减少网损和
- 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。
- 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
- 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
- 29KB
ADRC控制器仿真 simulink 2017a版本
2023-05-08ADRC控制器仿真 simulink 2017a版本
- 75B
matlab2020b ubuntu.txt
2021-03-24matlab2020b ubuntu 安装文件,有教程,看我博客。
- 3.98MB
2022建模国赛代码(三天坚持不易) 包括K-meas算法、bp预测、回归预测,(python和matlab做的).zip
2023-08-232022建模国赛代码(三天坚持不易) 包括K-meas算法、bp预测、回归预测,(python和matlab做的).zip
- 1KB
matlab绘制三维球面及球面曲线
2024-04-13基于matlab绘制三维球面,并通过参数方程绘制各种球面曲线,可用于科研绘图,例如光学中偏振态在庞加莱球面的演化路径描述
- 5KB
基于蚁群算法的三维路径规划(matlab实现)
2023-06-11三维路径规划指在已知三维地图中,规划出一条从出发点到目标点满足某项指标最优,并且避开了所有三维障碍物的三维最优路径。现有的路径规划算法中,大部分算法是在二维规划平面或准二维规划平面中进行路径规划。一般的三维路径规划算法具有计算过程复杂、信息存储量大、难以直接进行全局规划等问题。已有的三维路径规划算法主要包括A*算法、遗传算法、粒子群算法等,但是A*算法的计算量会随着维数的增加而急剧增加,遗传算法和粒子群算法只是准三维规划算法。 蚁群算法具有分布计算、群体智能等优势,在路径规划上具有很大潜力,在成功用于二维路径规划的同时也可用于三维路径规划,代码采用蚁群算法进行水下机器人三维路径规划。
- 336KB
基于智能优化算法的双层优化求解(matlab代码)
2023-05-12除了数学规划方法之外,还可采用智能优化算法求解双层优化问题,一般在上层优化中采用智能优化算法,下层优化使用数学规划方法;也可以在上下层优化中都采用智能优化算法,这篇博客将进行详细介绍。算例依旧使用上面两篇博客中的线性双层优化问题,由于这个优化问题比较简单,我们采用最基础的粒子群算法进行求解。 资源包括三个部分: 1.基础粒子群算法的matlab代码 2.采用粒子群算法求解带约束的优化问题matlab代码 3.采用粒子群算法求解双层优化问题的matlab代码 智能优化算法无法避免的问题,即使是一个非常简单的目标函数,求出的结果也无法保证是全局最优,那么当目标函数变复杂时,情况将会更糟糕。现在对智能优化算法的研究非常多,各种动植物园算法、各种改进都层出不穷,但还是无法从根本上解决算法无法保证全局收敛的问题。 所以,只有在数学模型比较复杂,非线性条件很多,而且对结果的误差是可以接受的情况下,才建议使用智能优化算法进行求解。