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/361503/10049838
m generatesample.m
function [] = generatesample(path)
%generatesample 在指定路径生成适合于训练的样本
% path -- 指定路径,用于保存样本文件
p = [0:1:255] ;
t = zeros(1,256);
t(82:256) = 1 ;
save(path,'p','t');
www.eeworm.com/read/163751/10147382
txt one_pca_2_result.txt
------------------------------------------------------------
对数据库:D:\kk.h\study\人脸库\ORL\92x112\
训练序列为:1
测试序列为:2,3,4,5,6,7,8,9,10
训练时间:0.06秒
分类时间:0.11秒
训练样本数:40
变换矩阵保留的特征向量个数:23
测试样本数:360
www.eeworm.com/read/163751/10147389
txt one_pca_m_result.txt
------------------------------------------------------------
对数据库:D:\kk.h\study\人脸库\ORL\92x112\
训练序列为:1
测试序列为:2,3,4,5,6,7,8,9,10
训练时间:0.08秒
分类时间:0.50秒
训练样本数:40
变换矩阵保留的特征向量个数:23
测试样本数:360
www.eeworm.com/read/163751/10147395
txt one_pca_c_result.txt
------------------------------------------------------------
对数据库:D:\kk.h\study\人脸库\ORL\92x112\
训练序列为:1
测试序列为:2,3,4,5,6,7,8,9,10
训练时间:0.08秒
分类时间:0.61秒
训练样本数:40
变换矩阵保留的特征向量个数:23
测试样本数:360
www.eeworm.com/read/163638/10152035
txt 下载须知.txt
1、样本下载后要用word打开。
2、样本是从论文中摘录的一部分内容与程序运行时的部分界面截图,因实际作品经常修改完善,所以
样本与实际作品在内容、排版格式方面有一定的差别,与实际作品不符之处,请以实际作品为准。
3、若需要此设计的全部内容,请与本站联系。本站联系方式:Email:lyfbysj@163.com,QQ:380856918。
欢迎光临本站。
...
www.eeworm.com/read/357858/10199679
m zhgddgj.m
p=input('输入自回归的阶数:')
for j=1:p
a(j)=input('输入样本自相关函数:');
end
b(1,1)=a(1);
sum1=0;
sum2=0;
for k=1:p-1
for j=1:k
sum1=sum1+b(k,j)*a(j);
sum2=sum2+b(k,j)*a(k+1-j);
www.eeworm.com/read/357858/10199682
m newtonraphson.m
q=input('输入滑动平均阶数:')
max=input('输入所要求的精度:')
V=input('输入样本方差:');
for j=1:q+1
E(j)=input('输入各阶样本自协方差函数:'); %E(j)为j-1阶样本自协方差函数,注意这里是j-1阶,其中第一个就是样本方差
end
E=E';
A=zeros(q+1,1);
A(1,1)
www.eeworm.com/read/355530/10259059
m exp2_16.m
%curve interpolation
ys=[0 0.9 0.6 1 0 0.1 -0.3 -0.7 -0.9 -0.2]; %已有的样本点ys
xs=0:length(ys)-1; %已有的样本点xs
x=0:0.1:length(ys)-1;%新的样本点x
y1=interp1(xs,ys,x,'nearest'); %插值产生新的样本点y1
y2=interp1(xs,ys,
www.eeworm.com/read/162323/10314310
m exp2_16.m
%curve interpolation
ys=[0 0.9 0.6 1 0 0.1 -0.3 -0.7 -0.9 -0.2]; %已有的样本点ys
xs=0:length(ys)-1; %已有的样本点xs
x=0:0.1:length(ys)-1;%新的样本点x
y1=interp1(xs,ys,x,'nearest'); %插值产生新的样本点y1
y2=interp1(xs,ys,
www.eeworm.com/read/424368/10457051
m main.m
%-------------------------------------------------
%c-均值算法,对IRIS数据分类
%-------------------------------------------------
[iris,irisc] = loadiris(); %导入IRIS数据
%iris即为待分类样本数据矩阵,共150组,每组4个特征
[nr