代码搜索:小样本
找到约 10,000 项符合「小样本」的源代码
代码结果 10,000
www.eeworm.com/read/476055/6339693
m distance_classify.m
function g=distance_classify(A,b)
%距离判别法程序。
%输入已分类样本A(元胞数组),输入待分类样本b
%输出待分类样本b的类别g
%注:一般还应计算回代误差yita
%输入已知分类样本的总类别数n;每类作为元胞数组的一列
n=size(A,1);
%输入待分类样本b的样本数m和变量数p
[m p]=size(b);
for i=1:n
www.eeworm.com/read/490168/6459952
m quantize.m
function [yq] = quantize(y,B)
% 将信号量化为B位
% -------------------------
% [yq] = quantize(y,B)
% yq = 量化后的信号(整数): 0
www.eeworm.com/read/477049/6744336
m l1.m
clear
xn=[-5:0.05:5]; %插值点(多个)
fn=1./(1+xn.^2); %函数的准确值
x1=linspace(-5,5,11) ; y1=1./(1+x1.^2); %11个样本点 x1=[-5 -4 -3 -2 -1 0 1 2 3 4 5];
L10=lagrange (x1,y1,xn); % 用11个样本点的Lagrange插
www.eeworm.com/read/477049/6744338
m l7.m
clear
xn=[-5:0.05:5]; %插值点(多个)
fn=1./(1+xn.^2); %函数的准确值
x1=linspace(-5,5,11) ; y1=1./(1+x1.^2); %11个样本点 x1=[-5 -4 -3 -2 -1 0 1 2 3 4 5];
L10=lagrange (x1,y1,xn); % 用11个样本点的Lagrange插
www.eeworm.com/read/264066/11331054
m quantize.m
function [yq] = quantize(y,B)
% 将信号量化为B位
% -------------------------
% [yq] = quantize(y,B)
% yq = 量化后的信号(整数): 0
www.eeworm.com/read/262583/11399352
m standardization.m
%==========================================================================
%
% 函数名:standardization
% 函数介绍:对原始数据进行标准化。方法:(x-基因最小值)/(基因最大值-基因最小值)
% 计算每类样本的个数。
% 输入参数:x是原始基因表达谱数据。行是基因,列是样本
www.eeworm.com/read/262578/11399508
m weighted.m
%==========================================================================
%
% 函数名:weighted
% 函数介绍:计算基因的权重向量。
% 输入参数:data是归一化之后的基因表达谱数据。
% r1是第一类样本的个数
% r2是第二类样本的个数
% 输出参数:w是
www.eeworm.com/read/400113/11582813
m quantize.m
function [yq] = quantize(y,B)
% 将信号量化为B位
% -------------------------
% [yq] = quantize(y,B)
% yq = 量化后的信号(整数): 0
www.eeworm.com/read/154564/11945831
txt all_lda_2_result.txt
------------------------------------------------------------
对数据库:D:\kk.h\study\人脸库\ORL\92x112\
训练序列为:1,2,3
测试序列为:4,5,6,7,8,9,10
训练时间:0.09秒
分类时间:0.44秒
训练样本数:120
变换矩阵保留的特征向量个数:39
测试样本数:280
www.eeworm.com/read/154564/11945851
txt all_pca_c_m_result.txt
------------------------------------------------------------
对数据库:D:\kk.h\study\人脸库\ORL\92x112\
训练序列为:1,2,3
测试序列为:4,5,6,7,8,9,10
训练时间:0.02秒
分类时间:1.19秒
训练样本数:120
变换矩阵保留的特征向量个数:46
测试样本数:280