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