代码搜索：遗忘因子
找到约 1,233 项符合「遗忘因子」的源代码
代码结果 1,233
www.eeworm.com/read/18163/778371
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/483857/1274484
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/332396/3398661
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/312898/3647566
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/311745/3677925
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/442451/1761661
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/379834/2666597
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/379055/2677317
m wht.m
function y = WHT(x_in, n)
% x 输入向量，列向量
% n 即Walsh-Hardma变换的点数，必须是2的幂次方
% alpha 即重叠保留的因子，在我们的方案中alpha = 2
% y 输出向量
% alpha=2;
alpha=2;
% 判断输入参数n
n1 = log2(n);
n2 = mod(n1,1);
if (n2 ~= 0)
www.eeworm.com/read/335532/12518358
m ifft_self.m
%这个IFFT完全是模仿FFT程序的，由于IFFT相对于FFT只是旋转因子exp(j*2*pi/le)的改变，
%所以只要把这部分改变，最终得到的序列除以1/N就得到IFFT结果，所以只要把FFT程序改变
%上面两部分就可以了。这里注释可以看FFT程序中的注释，程序的主体结构相同。
%------------------------------------------------------
www.eeworm.com/read/132777/14073423
m lsor.m
%SOR（超松弛）迭代法
%AX=b，A=D-L-U，引入松弛因子w
%X=inv(D-wL)[(1-w)D+wU]X+inv(D-wL)wb=LwX+f
function [x,e,Lw]=lsor(n,A,b,N,x0,w)
a=A;x0=x0';
D=zeros(n);L=zeros(n);U=zeros(n);
for i=1:n
if a(i,i)==0