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