代码搜索：gaussian
找到约 7,040 项符合「gaussian」的源代码
代码结果 7,040
www.eeworm.com/read/465320/1520840
c gprune_none.c
/**
* @file gprune_none.c
* @author Akinobu LEE
* @date Thu Feb 17 05:09:46 2005
*
*
* @brief 寒圭ガウス尸邵纷换: Gaussian pruning 痰し
*
* gprune_none()は寒圭ガウス尸邵礁圭の纷换ル〖チンの办つですˉ
* pruningなどを乖な
www.eeworm.com/read/293936/8261863
m te2.m
%FCM法进行分割
I=imread('blwhite.jpg');
I2=imnoise(I,'gaussian',0,400/(255*255));
I3=nlfilter(I2,[3 3],@fdd);%对图象进行平滑
subplot(2,3,1);
imshow(I2);
subplot(2,3,2);
imshow(I3,[]);
[m n]=size(I2);
L=z
www.eeworm.com/read/253596/12210817
txt kalman.txt
3． 卡尔曼滤波算法
（The Kalman Filter Algorithm）
在这一部分，我们就来描述源于Dr Kalman 的卡尔曼滤波。下面的描述，会涉及一些基本的概念知识，包括概率（Probability），随即变量（Random Variable），高斯或正态分配（Gaussian Distribution）还有State-space Model等等。但对于卡尔曼滤波的详细证明
www.eeworm.com/read/221159/14757009
m spacefil.m
ft = imread('tire.tif');
f=imnoise(ft,'gaussian', 0,0.01);
ft=im2double(ft);
f=im2double(f);
h1=[1 2 1;2 4 2;1 2 1]./16;
h2=[0 1 0;1 6 1;0 1 0]./10;
f1=conv2(f,h1,'same'); %空域滤波
f2=conv2(f,h
www.eeworm.com/read/465297/1521487
c gprune_heu.c
/**
* @file gprune_heu.c
*
*
* @brief 寒圭ガウス尸邵纷换: Gaussian pruning (heuristic algorithm)
*
* gprune_heu()は寒圭ガウス尸邵礁圭の纷换ル〖チンの办つですˉ
* heuristic pruning を蝗って惧疤のガウス尸邵の叫蜗澄唯のみを光庐に滇めますˉ
* Tied
www.eeworm.com/read/465297/1521490
c gprune_safe.c
/**
* @file gprune_safe.c
*
*
* @brief 寒圭ガウス尸邵纷换: Gaussian pruning (safe algorithm)
*
* gprune_safe()は寒圭ガウス尸邵礁圭の纷换ル〖チンの办つですˉ
* safe pruning を蝗って惧疤のガウス尸邵の叫蜗澄唯のみを光庐に滇めますˉ
* Tied-mixture
www.eeworm.com/read/465297/1521495
c gprune_beam.c
/**
* @file gprune_beam.c
*
*
* @brief 寒圭ガウス尸邵纷换: Gaussian pruning (beam algorithm)
*
* gprune_beam()は寒圭ガウス尸邵礁圭の纷换ル〖チンの办つですˉ
* beam pruning を蝗って惧疤のガウス尸邵の叫蜗澄唯のみを光庐に滇めますˉ
* Tied-mixture
www.eeworm.com/read/465297/1521489
c gprune_none.c
/**
* @file gprune_none.c
*
*
* @brief 寒圭ガウス尸邵纷换: Gaussian pruning 痰し
*
* gprune_none()は寒圭ガウス尸邵礁圭の纷换ル〖チンの办つですˉ
* pruningなどを乖なわずに链てのGauss尸邵について叫蜗澄唯を滇めますˉ
* tied-mixtureでないモデルではこの簇眶がデフォ
www.eeworm.com/read/465297/1521352
c gmm.c
/**
* @file gmm.c
*
*
* @brief GMM による掐蜗逮笛およびVAD
*
* Gaussian Mixture Model (GMM) が弹瓢箕に回年された眷圭·Julius/Julian は
* 掐蜗券厦に滦してフレ〖ムごとにスコアを纷换し·その芜姥スコアを换叫する.
* これはGMMに答づく掐蜗不兰の券厦浮沮および逮笛に脱いられる
www.eeworm.com/read/160465/10528514
m seqlnok.m
% 验证串行学习方式下神经网络函数能否收敛到目标函数：目标函数和神经网络均使用一个隐节点
% 目标函数为中心为原点的<mark>Gaussian</mark>函数，RBF网只有数据中心可调，其输出权值和偏移固定为1
% 性能指标函数取目标函数和神经网络函数之差的平方和
% 用三个训练样本，增量式学习，每个样本训练次数为MaxEpoch。此三个训练样本对应的目标函数只有一个局部最小点（原点）
% 结果：算法使 ...