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/319324/13455919
m irissom.m
%本程序为HKsom在iris数据集上的自动分类
clear all;clc;
t1=clock;
%样本归一化：
P1=[5.1,3.5,1.4,0.2,1
4.9,3.0,1.4,0.2,1
4.7,3.2,1.3,0.2,1
4.6,3.1,1.5,0.2,1
5.0,3.6,1.4,0.2,1
5.4,3.9,1.7,0.4,1
4.6,3.4,1.4,0.3,1
5
www.eeworm.com/read/309340/13673960
m bayesguji.m
%用监督参数估计中的贝叶斯方法估计条件概率密度的参数u
%第一类样本
X=[1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.
www.eeworm.com/read/306981/13733740
m msxhgdegress.m
clear all
nn=1075 %total plots
mm=72 %计算残差的两个样本值之间的距离
delay=12 %延迟点数
aa1=xlsread('e:\datafix\masangx\compdefs_temp.xls') %读入数据
aa2=aa1(1:nn,16) %温度所在列数
aa3=aa1(1:nn,6) % 挠度所在列数
aa4=aa3(de
www.eeworm.com/read/238634/13870894
m art1.m
%
P = [ 1 1 0 1 0 1 1 0; % 待分类的输入样本
0 1 1 0 1 1 1 0;
1 0 0 0 0 0 0 1;
1 1 1 0 1 1 1 0;
0 1 1 1 0 1 1 0;
1 1 0 1 0 1 1 1;
0 0 1 0 1 0 1 1;
0 0 1 0 1 0 0 0;
1
www.eeworm.com/read/150632/5689858
m ex050800.m
% 第五章: 例5.8: 高分辨率频谱
%
% 基于信号x(n)的100个样本的高分辨率频谱
subplot(1,1,1)
n=[0:1:99];
x=cos(0.48*pi*n)+cos(0.52*pi*n);
subplot(2,1,1);stem(n,x);title('信号x(n), 0
www.eeworm.com/read/150632/5689886
m ex060700.m
% 第六章：例6.7
% 频率采样形式: 给定频率样本
%
M = 32; alpha = (M-1)/2; k = 0:M-1; wk = (2*pi/M)*k;
magHk = [1,1,1,0.5,zeros(1,25),0.5,1,1];
k1 = 0:15; k2 = 16:M-1;
angHk = [-alpha*(2*pi)/M*k1, alpha*(2*pi)/M*(M
www.eeworm.com/read/493874/6391753
m bayesguji.m
%用监督参数估计中的贝叶斯方法估计条件概率密度的参数u
%第一类样本
X=[1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.
www.eeworm.com/read/490001/6465350
m 11.m
% 定义样本
t=0:0.01:10;
y=randn(size(t));
yn=sin(y);
p=y(1:30)
t=yn(1:30)
% 初始化BP网络
% 其中，p为输入量，隐层结点数为4，输出层结点数为1
% tansig和purelin分别为隐层和输出层的变换函数
% 训练算法为trainlm
net=newff(minmax(p),[4,1],{'tansig'
www.eeworm.com/read/483751/6594221
m bam.m
clear all;
close all;
%%%%%%%%标准样本矢量储存到两个矩阵中%%%%%%%%
A=zeros(15,4);
B=zeros(10,4);
A(:,1)=[1,-1,1,-1,1,-1,1,-1,1,-1,1,-1,1,-1,1]';
A(:,2)=[1,1,-1,-1,1,1,-1,-1,1,1,-1,-1,1,1,-1]';
A(:,3)=[1,1,1,
www.eeworm.com/read/483854/6596409
m dtft.m
% 《数字信号处理及其MATLAB实现》第三章题3_1题解
function [X]=dtft(x,w)
% 计算离散时间傅立叶变换
% [X]=dtft(x,n,w)
% X = 在w频率点上的DTFT数组
% x = 沿n的有限长度序列
% n = 样本位置向量
% w = 频率点位置向量
n=1:length(x);
ewn=exp(-n'*w*i);
X=x*ewn