一种新的基于 MMC 和 LSE 的监督流形学习算法

一种新的基于 MMC 和 LSE 的监督流形学习算法

最小二乘参数辨识共享及答疑-LSE.mdl

最小二乘参数辨识共享及答疑-LSE.mdl 我编了一个用最小二乘法辨识系统参数的函数，有限定记忆最小二乘递归算法的（辨识量测噪声为白噪声的系统参数），有广义最小二乘算法的（辨识量测噪声为有色噪声的系统参数及参数噪声），递归算法辨识结果正确，但广义最小二乘辨识出来系统参数正确，但噪声参数不正确，大家帮我看看广义最小二乘的算法程序错在何处。我大概说一下广义最小二乘的算法结构，广义最小二乘递推的每一步用两步递推算法，先把噪声参数和模型参数均给个初值，然后第一步先假设噪声参数已知，用最小二乘估计出模型参数，第二步再用最新的模型参数来估计噪声参数，如此循环直到辨识精度达到指定要求或者可用数据用完为止。我的疑问是：辨识模型参数时需要用到噪声参数，我的噪声参数辨识的不对，为何得到的模型参数又是对的，这点让我很纳闷…… 附件中包含模型和最小二乘辨识的函数M文件，其中LSE.mdl为模型文件，mem_con.m为限定记忆最小二乘的源程序，GLS.m为广义最小二乘源程序，u为输入，使用4阶m序列，Y为白噪声作用下的输出，Yv为有色噪声作用下的输出，系统和噪声的模型均为2阶模型，函数文件中有简单的注释，大家很容易看懂，希望看出问题的前辈不吝赐教。在此先谢过了。

三点定位算法

javascript+html5实现三点定位算法。源码分享。基于rssi的三点定位算法，是已知三个点的坐标和未知点到这三个点的rssi的信号值，求解未知点的坐标。

STM32的LSE不起振的解决方法

项目中使用的STM32芯片使用LSE作为RTC时钟源时有些32K的晶振会出现不起振的情况，怎么解决呢？

基于Landsat8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVITEM改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVITEM改进算法较为适合本研究区。

LSE一种工具啊

LSE一种工具啊，给需要的人使用。有用的上的就使劲下载吧，就为了下载一个联想945的bios

AN如何用LSE校准STM32F4内部RC振荡器.pdf

问题： 此问题由客户提出,客户在使用 STM32F411 开发产品的时候，采用的是 HIS 作为主时钟，同时使用了 UART 与其他 MCU 进行异步通信. 客户发现部分产品 UART 不能正常通信. 调研: 1. 通过使用示波器来测量 UART 的 TX 的波特率，发现误差较大，查看原理图和代码发现他们使用 HIS 作为主时钟,且没有使用 PLL 来倍频. 2. 由于 UART 直接用 HIS 作为时钟源，所以考虑通过使用 LSE 校准 STM32F411 的 HIS 值来使得 UART 波特率准确. 3. 我们 STM32 官方提供了基于 STM32F0 的 HIS 校准方法 AN4067(基于 STM32Cube).其基本原理如 下写的很清楚:

LSE联想在线顾问

LSE联想在线顾问.驱动,LSE联想在线顾问LSE联想在线顾问

数据挖掘在各行业的应用论文

数据挖掘在各行业的应用论文 数据仓库与数据挖掘.caj 空间数据挖掘技术.caj 数据仓库与数据挖掘技术及其在科技情报业的应用前景.caj 相关案件的数据挖掘.caj 数据挖掘技术.caj 一种实时过程控制中的数据挖掘算法研究.caj EIS 环境下的数据挖掘技术的研究.caj 数据挖掘及其工具的选择.caj 数据挖掘技术与中国商业银行业务发展策略.caj 数据挖掘工具DMTools的设计与实现.caj 数据仓库、数据挖掘在银行中的应用.caj 基于信息熵的地学空间数据挖掘模型.caj 数据挖掘及其在商业银行中的应用.caj 数据挖掘与决策支持系统.caj 数据仓库、数据集市和数据挖掘.caj 数据仓库与数据挖掘1.caj IDSS 中数据仓库和数据挖掘的研究与实现.caj 基于粗糙集理论的数据挖掘模型.caj 数据挖掘及其在 SXWG_EIS 中的应用.caj 数据挖掘——技术与应用综述.caj 挖掘转移规则一种新的数据挖掘技术.caj 以地物识别和分类为目标的高光谱数据挖掘.caj 数据挖掘与虚拟数据库.caj 数据挖掘与电力系统.caj 浅说数据挖掘.caj 带Rough算子的决策规则及数据挖掘中的软计算.caj 数据挖掘系统的一种实现策略.caj 信息检索中的数据挖掘技术.caj 红外光谱谱图库中的数据挖掘.caj 中介粗集及其在数据挖掘中的应用.caj 数据挖掘在音高变化规律学习中的应用.caj 数据挖掘技术在财经领域的应用.caj 知识发现和数据挖掘的研究.caj 数据仓库与数据挖掘技术浅谈.caj 用户访问模式数据挖掘的模型与算法研究.caj 数据仓库的建设与数据挖掘技术浅析.caj 分类特征规则的数据挖掘技术.caj 数据挖掘技术的主要方法及其发展方向.caj OLAP和数据挖掘技术在Web日志上的应用.caj 数据挖掘技术12.caj 数据挖掘技术初探.caj 探索式数据挖掘模型的讨论.caj 前向网络bp算法在数据挖掘中的运用.caj 数据挖掘在Internet信息导航系统中的应用研究.caj 数据挖掘技术123.caj 基于粗糙集(Rough set)的数据挖掘及其实现.caj 数据挖掘技术在建模、优化和故障诊断中的应用.caj FCC油品质量指标智能监测系统的数据挖掘与修正技术.caj 一种测试数据挖掘算法的数据源生成方法.caj 基于数据挖掘的类比推理技术在石油产品分析系统中的实现.caj 神经网络在数据挖掘中的应用研究.caj 数据挖掘方法的评述.caj 基于数据挖掘的类比推理技术在石油产品分析系统中的实现1.caj 一个面向电子商务的数据挖掘系统的设计与实现.caj 数据挖掘技术在煤与瓦斯突出预测中的应用研究.caj 基于数据抽取器实现数据挖掘.caj 基于数据挖掘的群决策模型.caj 基于数据挖掘的普通话韵律规则学习.caj 数据挖掘和知识发现的技术方法.caj 可视化数据挖掘技术及其应用.caj 神经网络数据挖掘方法中的数据准备问题.kdh 基于CORBA的数据挖掘工具KDD-DC.caj 基于高校人事信息库的数据挖掘研究.caj 数据挖掘管理系统.caj 电信网告警数据库中的数据挖掘.caj 数据挖掘原理、方法及其应用.caj 一种基于数据仓库的数据挖掘系统的结构框架.caj OLAP与数据挖掘一体化模型的分析与讨论.caj 一种新型数据分析技术——数据挖掘.caj aaa数据挖掘和数据仓库及其在电信业中的应用.caj 数据挖掘技术及其应用.caj 数据挖掘中概念树的标准、生成和实现.kdh XML与面向Web的数据挖掘技术.caj 数据挖掘和数据仓库及其在电信业中的应用.caj 数据挖掘技术及其在地学中的应用.caj 结合数据融合和数据挖掘的医疗监护报警.caj 基于多媒体数据库的数据挖掘系统原型.caj 数据挖掘技术1.caj 股票信息的数据挖掘.caj 多媒体数据挖掘的相关媒体特征库方法.caj 基于数据挖掘的深部采场岩爆知识的自动获取.caj 空间数据挖掘理论与方法的研究.caj 金融数据挖掘中的非线性相关跟踪技术(英文).caj 数据挖掘技术的一个应用模型.caj DNA中的数据挖掘和启动子识别.caj 数据仓库与数据挖掘12.caj 数据挖掘系统设计.caj 数据挖掘方法的研究.caj 用数据挖掘技术优选侧钻井井位.caj 关注政府上网后的数据挖掘.kdh 数据挖掘技术及其在电力系统中的应用.caj 目前数据挖掘算法的评价.caj 基于数据挖掘的地下硐室围岩稳定性判别.caj 基于属性分类的数据挖掘方法.caj 基于数据挖掘模型的高压输电线系统故障诊断.caj 用于建模、优化、故障诊断的数据挖掘技术.caj 格子机数据挖掘方法.caj 数据挖掘及其在电力系统中的应用.kdh 用于

光控电路及LSE应用原理

光控电路的设计与应用 LSE应用原理 两者的结合应用

论文研究-基于相关滤波器和最小二乘估计的目标跟踪方案.pdf

针对复杂背景下基于视觉图像的目标跟踪问题，提出一种结合相关滤波和最小二乘估计（LSE）的目标跟踪方案。首先，对已有视频帧进行初始化处理，并构建目标的几何失真图像模板，以此设计一个相关滤波器。然后，当采集到新视频帧时，根据之前的目标位置序列，利用LSE预测出该帧中的目标位置。接着，提取目标图像，并计算其与目标模板之间的相关性。最后，通过阈值来判断是否检测到真正的目标，并进行反馈用来更新目标模板。在GPU上实现该方案，几个视频序列上的实验结果表明，该方案能够准确跟踪目标，且对噪声和光照等环境因素具有很好的鲁棒性。

PCB_漏电引起_LSE_停振.pdf

PCB_漏电引起_LSE_停振.pdf

一类改进的最小指数算法

通过将比例因子结合到LSE的成本函数中，提出了一类改进的指数最小和（ILSE）算法。 关于误差的偶数矩信息受比例因子影响。 但是，基于固定比例因子的ILSE算法只能在收敛速率和稳态超均方误差（EMSE）之间进行权衡。 因此，还提出了一种可变比例因子ILSE（VS-ILSE）算法，以同时提高收敛速度和稳态EMSE。 为便于分析，建立了ILSE的节能关系，为均方收敛和稳态EMSE的理论值提供了充分的条件。 此外，还进一步开发了ILSE和VS-ILSE的内核扩展，以提高性能。 仿真结果说明了所提出方法的理论分析和出色的性能。

使用LSE制作停电应急照明灯电路图

本文主要介绍的是使用LSE制作停电应急照明灯电路图

MIMO OFDM 系统的最小二乘误差信道估计(matlab)

在此代码中，我们考虑了MIMO OFDM系统的最小平方误差信道估计。 用户可以访问MIMO OFDM系统的设计参数和信道状态信息。 L抽头瑞利衰落信道被视为在任何一对发射天线和接收天线之间。 将仿真结果得到的LSE信道的均方误差与理论值进行比较。 (In this code we consider the least square error channel estimation for a MIMO OFDM system. The user have access to the design parameters of the MIMO OFDM system and the channel state information. The L-tap Rayleigh fading channel is considered between any pair of the transmit and receive antenna. The mean squared error of the LSE channel obtained by the simulation result is compared with theory. ) source paper: "Optimal Training Design for MIMO OFDM Systems in Mobile Wireless Channels"

最小二乘参数辨识共享及答疑-mem_con.m

最小二乘参数辨识共享及答疑-mem_con.m 我编了一个用最小二乘法辨识系统参数的函数，有限定记忆最小二乘递归算法的（辨识量测噪声为白噪声的系统参数），有广义最小二乘算法的（辨识量测噪声为有色噪声的系统参数及参数噪声），递归算法辨识结果正确，但广义最小二乘辨识出来系统参数正确，但噪声参数不正确，大家帮我看看广义最小二乘的算法程序错在何处。我大概说一下广义最小二乘的算法结构，广义最小二乘递推的每一步用两步递推算法，先把噪声参数和模型参数均给个初值，然后第一步先假设噪声参数已知，用最小二乘估计出模型参数，第二步再用最新的模型参数来估计噪声参数，如此循环直到辨识精度达到指定要求或者可用数据用完为止。我的疑问是：辨识模型参数时需要用到噪声参数，我的噪声参数辨识的不对，为何得到的模型参数又是对的，这点让我很纳闷…… 附件中包含模型和最小二乘辨识的函数M文件，其中LSE.mdl为模型文件，mem_con.m为限定记忆最小二乘的源程序，GLS.m为广义最小二乘源程序，u为输入，使用4阶m序列，Y为白噪声作用下的输出，Yv为有色噪声作用下的输出，系统和噪声的模型均为2阶模型，函数文件中有简单的注释，大家很容易看懂，希望看出问题的前辈不吝赐教。在此先谢过了。

t-LSE：一种新的健壮的蛋白质-蛋白质相互作用网络模型的几何方法。

t-LSE：一种新的健壮的蛋白质-蛋白质相互作用网络模型的几何方法。

XLinux ISE basys2 3-8译码器源码 FPGA

基于XLinux LSE 在 basys2 开发板上实现的3-8译码器的源码，适合新手了解，找这个的人一般都了解的，我就不多说了。本人在开发板上已经通过，真值表也验证过了，烧入后直接可以使用。最终解释权归个人所有。