虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

奇异值<b>分解</b>

  • 现场大空间测量中精密三维坐标控制网的建立

    全局测量与精度控制是超大空间内精密测量的基础,决定着整体测量的性能和适用性。为提高整体空间测量精度,同时解决定向及尺度问题,必须在全局空间内布设高精度测量控制网。三维坐标测量作为几何量测量的重要代表,是建立控制网最直接且约束最强的控制条件。为建立大空间精密三维坐标控制网,采用激光跟踪仪多站位对空间全局控制点进行三维坐标测量,结合奇异值分解算法完成各站位的方位定向,并利用激光跟踪仪极高精度的测距值作为约束,对跟踪仪测角误差进行优化,进一步提高坐标控制网的精度。将该控制网建立方法应用于某飞机机翼表面形貌测量,实现激光跟踪仪全局控制与终端摄影测量的高效组合,以不同若干站位下全局控制点间距离比对结果表明该控制网对现场测量精度和可靠性的提高具有良好效果 。

    标签: 空间测量 控制网 精密

    上传时间: 2017-03-23

    上传用户:wyf1995

  • 统计学习方法 李航版

    《统计学习方法》李航第二版,机器学习,人工智能必备基础书籍 内容简介:统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank 算法等。本书是统计机器学习及相关课程的教学参考书,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供计算机应用等专业的研发人员参考。

    标签: 统计学习方法 机器学习

    上传时间: 2021-09-01

    上传用户:wenxiuyu

  • 地球物理反演

    地球物理反演问题,该文件运用了深度加权函数,截断奇异值分解等技术

    标签: 地球 物理

    上传时间: 2021-09-25

    上传用户:唐海

  • 低小慢目标光电探测技术研究

    光电探测技术是一种根据目标和背景辐射或者反射的光波在波长和强度之间的差异来进行目标探测的一种技术,它包括从紫外光(02-04um)、可见光(04-0.7um)、红外光(1~3μm,3~5μm,8~12μm)等多种波段的光信号探测。本文通过对低小慢目标的红外特性进行分析,提出了一种新的红外低小慢目标探测算法。低小慢飞行器因为其成本低廉和获取容易,极易形成黑飞,近年来随着低小慢目标威胁态势的增加,国内外关于低小慢目标的管控需求日益增长。但是因为低小慢目标本身种类、制作材料多样,且很多没有强热源,导致其在红外图像上与周围环境成像特征类似,常用的红外弱小目标探测算法无法充分抑制背景,探测效果较差。当前对于低小慢日标的探测以雷达探测为主,红外探测算法较少,但国内外很多研究机构都已在陆续开展红外低小慢目标探测方面的研究。本文主要对以下四点内容进行了研究总结。(1)本文首先以无人机为例对低小慢目标的红外成像特性进行分析,通过分析低小慢日标与传统红外弱小目标在红外特征差异,总结说明了低小慢目标在红外图像上更难与背景区分,同时具有复杂多变的运动轨迹(2)对红外低小慢目标增强进行了研究,通过对奇异值分解(SVD)后的奇异值矩阵设计非线性变换函数,使重构后图像中目标所在的高频部分的对比度得到增强从而使目标和背景之间的区别更加明显,达到了增强目标的目的。(3)针对 Robinson guard滤波器对极值敏感的问题,对原有的计算方式进行了改进,改进后的 Robinson Guard滤波器可以更有效的区分前景和背景,对于背景的抑制更加充分。(4)在上述研究的基础上,提出了一种新的红外低小慢目标探测算法,该算法首先使用本文所用的目标增强方法对目标进行增强,然后使用改进后的 RobinsonGuard滤波器进行背景抑制,最后使用基于局部对比度(LC)的自适应阈值分割方法来提取目标使用真实拍摄的红外低小慢目标序列图像对本文方法进行仿真分析,实验结果表明本文方法具有很好的背景抑制效果,可以有效的实现低小慢目标的探测

    标签: 光电探测

    上传时间: 2022-03-14

    上传用户:

  • 同源多传感器加权数据融合算法的研究

    在工业应用中常用一组传感器对问一个被测量目标在一个过程的不同位置进行测量,然而由于每个传感器位于过程的不同位置,它们将不问程度的受到嗓声的干扰,为了从被嗓声干扰的多传感器测量值中获得更准确的测量结果,霱要进“步研究多传感器的融合理论多传感器数据融合系统的关键在于如何充分利用各个传感器的信息,得到对被测参数的最优估计,本文主要研究了以加权的方式进行多传感器数据融合的方法,即研究如何对每个传感器进行加权,从而得到对被测参数最优佑计的方法为此本文在介绍了多传感器数据融合技术的基础上,首先研究了基于奇异值分解的数据融合算法,通过对传感器测量值构成的矩阵进行奇异值分解,利用每个传感器测量值所对应的奇异值,可以估计出对每个传感器权值的最优估计,从而在不要任何先验知识的条件下,可仅由多传感器的测量值,利用提出的算法得到在最小均方误差意义下的被测参数的最优估计,此外,在许多工业过程中,人们利用多传感器测量同一过程参数以控制该参数在过程中的不同位置能根据需要进行合理分布,此时人们希望利用多传感器融合的测量结果,对每一个传感器的测量数据进行重建,以获得对每一个传感器的测量结果进行更为准确的估计。为此,本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法,仿真和实验结果都说明提出算法是有效的,最后,研究了非线性动态系统的状态融合问题,研究了加权无气味卡尔曼滤波(UKF)方法,研究表明无气味卡尔曼波波能克服了扩展卡尔曼滤波(EKF)在状态融合估计中的不足,可以得到了更准确的状态融合估计结关键词多传感器系统,数据融合,奇异值分解,UKF

    标签: 传感器 数据融合

    上传时间: 2022-03-16

    上传用户:aben

  • 机器学习赵卫东董亮

    内容提要第1章 机器学习概1.1 机器学习简介 1.1.1 机器学习简史 1.1.2 机器学习主要流派 1.2 机器学习、人工智1.2.1 什么是人工智能 1.2.2 什么是数据挖掘 1.2.3 机器学习、人工智1.3 典型机器学习应用1.4 机器学习算法 1.5 机器学习的一般流程 第2章 机器学习基本2.1 统计分析2.1.1 统计基础2.1.2 常见概率分布2.1.3 参数估计2.1.4 假设检验2.1.5 线性回归2.1.6 逻辑回归2.1.7 判别分析2.1.8 非线性模型2.2 高维数据降维2.2.1 主成分分析2.2.2 奇异值分解2.2.3 线性判别分析2.2.4 局部线性嵌入2.2.5 拉普拉斯特征映射2.3 特征工程 2.3.1 特征构建2.3.2 特征选择2.3.3 特征提取2.4 模型训练2.4.1 模型训练常见术语2.4.2 训练数据收集 2.5 可视化分析 2.5.1 可视化分析的作用2.5.2 可视化分析方法 2.5.3 可视化分析常用工2.5.4 常见的可视化图表 2.5.5 可视化分析面临的挑战

    标签: 机器学习

    上传时间: 2022-06-16

    上传用户:

  • 微电脑型数学演算式隔离传送器

    特点: 精确度0.1%满刻度 可作各式數學演算式功能如:A+B/A-B/AxB/A/B/A&B(Hi or Lo)/|A|/ 16 BIT类比输出功能 输入与输出绝缘耐压2仟伏特/1分钟(input/output/power) 宽范围交直流兩用電源設計 尺寸小,穩定性高

    标签: 微电脑 数学演算 隔离传送器

    上传时间: 2014-12-23

    上传用户:ydd3625

  • 微电脑型数学演算式双输出隔离传送器

    特点(FEATURES) 精确度0.1%满刻度 (Accuracy 0.1%F.S.) 可作各式数学演算式功能如:A+B/A-B/AxB/A/B/A&B(Hi or Lo)/|A| (Math functioA+B/A-B/AxB/A/B/A&B(Hi&Lo)/|A|/etc.....) 16 BIT 类比输出功能(16 bit DAC isolating analog output function) 输入/输出1/输出2绝缘耐压2仟伏特/1分钟(Dielectric strength 2KVac/1min. (input/output1/output2/power)) 宽范围交直流两用电源设计(Wide input range for auxiliary power) 尺寸小,稳定性高(Dimension small and High stability)

    标签: 微电脑 数学演算 输出 隔离传送器

    上传时间: 2013-11-24

    上传用户:541657925

  • 80C51特殊功能寄存器地址表

    /*--------- 8051内核特殊功能寄存器 -------------*/ sfr ACC = 0xE0;             //累加器 sfr B = 0xF0;  //B 寄存器 sfr PSW    = 0xD0;           //程序状态字寄存器 sbit CY    = PSW^7;       //进位标志位 sbit AC    = PSW^6;        //辅助进位标志位 sbit F0    = PSW^5;        //用户标志位0 sbit RS1   = PSW^4;        //工作寄存器组选择控制位 sbit RS0   = PSW^3;        //工作寄存器组选择控制位 sbit OV    = PSW^2;        //溢出标志位 sbit F1    = PSW^1;        //用户标志位1 sbit P     = PSW^0;        //奇偶标志位 sfr SP    = 0x81;            //堆栈指针寄存器 sfr DPL  = 0x82;            //数据指针0低字节 sfr DPH  = 0x83;            //数据指针0高字节 /*------------ 系统管理特殊功能寄存器 -------------*/ sfr PCON  = 0x87;           //电源控制寄存器 sfr AUXR = 0x8E;              //辅助寄存器 sfr AUXR1 = 0xA2;             //辅助寄存器1 sfr WAKE_CLKO = 0x8F;        //时钟输出和唤醒控制寄存器 sfr CLK_DIV  = 0x97;          //时钟分频控制寄存器 sfr BUS_SPEED = 0xA1;        //总线速度控制寄存器 /*----------- 中断控制特殊功能寄存器 --------------*/ sfr IE     = 0xA8;           //中断允许寄存器 sbit EA    = IE^7;  //总中断允许位  sbit ELVD  = IE^6;           //低电压检测中断控制位 8051

    标签: 80C51 特殊功能寄存器 地址

    上传时间: 2013-10-30

    上传用户:yxgi5

  • TLC2543 中文资料

    TLC2543是TI公司的12位串行模数转换器,使用开关电容逐次逼近技术完成A/D转换过程。由于是串行输入结构,能够节省51系列单片机I/O资源;且价格适中,分辨率较高,因此在仪器仪表中有较为广泛的应用。 TLC2543的特点 (1)12位分辩率A/D转换器; (2)在工作温度范围内10μs转换时间; (3)11个模拟输入通道; (4)3路内置自测试方式; (5)采样率为66kbps; (6)线性误差±1LSBmax; (7)有转换结束输出EOC; (8)具有单、双极性输出; (9)可编程的MSB或LSB前导; (10)可编程输出数据长度。 TLC2543的引脚排列及说明    TLC2543有两种封装形式:DB、DW或N封装以及FN封装,这两种封装的引脚排列如图1,引脚说明见表1 TLC2543电路图和程序欣赏 #include<reg52.h> #include<intrins.h> #define uchar unsigned char #define uint unsigned int sbit clock=P1^0; sbit d_in=P1^1; sbit d_out=P1^2; sbit _cs=P1^3; uchar a1,b1,c1,d1; float sum,sum1; double  sum_final1; double  sum_final; uchar duan[]={0x3f,0x06,0x5b,0x4f,0x66,0x6d,0x7d,0x07,0x7f,0x6f}; uchar wei[]={0xf7,0xfb,0xfd,0xfe};  void delay(unsigned char b)   //50us {           unsigned char a;           for(;b>0;b--)                     for(a=22;a>0;a--); }  void display(uchar a,uchar b,uchar c,uchar d) {    P0=duan[a]|0x80;    P2=wei[0];    delay(5);    P2=0xff;    P0=duan[b];    P2=wei[1];    delay(5);   P2=0xff;   P0=duan[c];   P2=wei[2];   delay(5);   P2=0xff;   P0=duan[d];   P2=wei[3];   delay(5);   P2=0xff;   } uint read(uchar port) {   uchar  i,al=0,ah=0;   unsigned long ad;   clock=0;   _cs=0;   port<<=4;   for(i=0;i<4;i++)  {    d_in=port&0x80;    clock=1;    clock=0;    port<<=1;  }   d_in=0;   for(i=0;i<8;i++)  {    clock=1;    clock=0;  }   _cs=1;   delay(5);   _cs=0;   for(i=0;i<4;i++)  {    clock=1;    ah<<=1;    if(d_out)ah|=0x01;    clock=0; }   for(i=0;i<8;i++)  {    clock=1;    al<<=1;    if(d_out) al|=0x01;    clock=0;  }   _cs=1;   ad=(uint)ah;   ad<<=8;   ad|=al;   return(ad); }  void main()  {   uchar j;   sum=0;sum1=0;   sum_final=0;   sum_final1=0;    while(1)  {              for(j=0;j<128;j++)          {             sum1+=read(1);             display(a1,b1,c1,d1);           }            sum=sum1/128;            sum1=0;            sum_final1=(sum/4095)*5;            sum_final=sum_final1*1000;            a1=(int)sum_final/1000;            b1=(int)sum_final%1000/100;            c1=(int)sum_final%1000%100/10;            d1=(int)sum_final%10;            display(a1,b1,c1,d1);           }         } 

    标签: 2543 TLC

    上传时间: 2013-11-19

    上传用户:shen1230