一种基于信息熵和灰度相关的全景重叠图拼接算法。该算法综合了基于灰度相关和信息熵的优点。 通过匹配连续区域的熵的兰氏距离获得了比较精确的定位
上传时间： 2016-12-26
上传用户：lgnf
k-means(欧氏距离)聚类算法是最基本的聚类算法，是理解和应用聚类算法的基础，通过k-means(欧氏距离)聚类算法我们才可以初步了解数据挖掘的原理。
上传时间： 2017-07-01
上传用户：啊飒飒大师的
一些马氏距离也有坏点。这个程序是用MATLAB语言做的。如果你安装了该软件，则可按步骤下载并共享。
上传时间： 2017-07-12
上传用户：VRMMO
聚类算法是基于距离的，但是大多采取单一的欧氏距离，不利于结果的发现。
标签： 聚类算法
上传时间： 2015-03-30
上传用户：caozhizhi
卷积码是无线通信系统中广泛使用的一种信道编码方式。Viterbi译码算法是一种卷积码的最大似然译码算法，它具有译码效率高、速度快等特点，被认为是卷积码的最佳译码算法。本文的主要内容是在FPGA上实现约束长度为9，码率为1/2，采用软判决方式的Viterbi译码器。 本文首先介绍了卷积码的基本概念，阐述了Viterbi算法的原理，重点讨论了决定Viterbi算法复杂度和译码性能的关键因素，在此基础上设计了采用“串-并”结合运算方式的Viterbi译码器，并在Altera EP1C20 FPGA芯片上测试通过。本文的主要工作如下： 1.对输入数据采用了二比特四电平量化的软判决方式，对欧氏距离的计算方法进行了简化，以便于用硬件电路方式实现。 2.对ACS运算单元采用了“串-并”结合的运算方式，和全并行的设计相比，在满足译码速度的同时，节约了芯片资源。本文中提出了一种路径度量值存储器的组织方式，简化了控制模块的逻辑电路，优化了系统的时序。 3.在幸存路径的选择输出上采用了回溯译码方法，与传统的寄存器交换法相比，减少了寄存器的使用，大大降低了功耗和设计的复杂度。 4.本文中设计了一个仿真平台，采用Modelsim仿真器对设计进行了功能仿真，结果完全正确。同时提出了一种在被测设计内部插入监视器的调试方法，巧妙地利用了Matlab算法仿真程序的输出结果，提高了追踪错误的效率。 5.该设计在Altera EP1C20 FPGA芯片上通过测试，最大运行时钟频率110MHz，最大译码输出速率10.3Mbps。 本文对译码器的综合结果和Altera设计的Viterbi译码器IP核进行了性能比较，比较结果证明本文中设计的Viterbi译码器具有很高的工程实用价值。
上传时间： 2013-07-23
上传用户：叶山豪
提供一个人工免疫算法源程序，其算法过程包括： 1.设置各参数 2.随机产生初始群体——pop=initpop(popsize,chromlength) 3.故障类型编码，每一行为一种！code(1,:)，正常；code(2,:)，50％；code(3,:)，150％。实际故障测得数据编码，这里Unnoralcode,188％ 4.开始迭代（M次）： 1）计算目标函数值：欧氏距离[objvalue]=calobjvalue(pop,i) 2）计算群体中每个个体的适应度fitvalue=calfitvalue(objvalue) 3）选择newpop=selection(pop,fitvalue) objvalue=calobjvalue(newpop,i) ％ 交叉newpop=crossover(newpop,pc,k) objvalue=calobjvalue(newpop,i) ％ 变异newpop=mutation(newpop,pm) objvalue=calobjvalue(newpop,i) ％ 5.求出群体中适应值最大的个体及其适应值 6.迭代停止判断。
上传时间： 2014-01-01
上传用户：trepb001
贝叶斯分类器是一种最优分类器，它假设基于可获得的信息可以建立类别的概率密度函数，然后基于最小错误率分类准则进行分类。一般假设概率密度函数是正态分布，因为正态分布数学基础较好。问题就转化为正态分布参数的估计问题。幸运的是，参数估计问题已经被很好的解决了。 基于正态分布的协方差的不同，正态概率分布型的贝叶斯分类器可分为：欧式距离分类器、马氏距离分类器、线性判别分析、对角线性判别分析、二次判别分析和对角二次判别分析。 在具有模式的完整统计知识条件下，按照贝叶斯决策理论进行设计的一种最优分类器。分类器是对每一个输入模式赋予一个类别名称的软件或硬件装置，而贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。 目标：编程实现正态概率分布型的贝叶斯分类器。
上传时间： 2014-01-05
上传用户：叶山豪
本文针对SLAM算法中数据关联过程，提出了一种简单易行的改进方法，将欧氏距离与马氏距离结合用于数据关联。算法不必计算地图所有特征与所有量测之间的马氏距离，而是首先利用相对简单的欧氏距离计算缩小了待关联特征的搜寻范围。利用人工合成数据的仿真结果表明，改进后的数据关联方法可以大幅减少系统计算量，提高关联效率，且不会造成错误关联的增加。
上传时间： 2014-12-22
上传用户：ippler8
本文针对SLAM数据关联中使用最为广泛的最近邻方法作了改进，利用特征估计位置与载体预测位置之间的欧氏距离计算代替了全部特征与每个量测之间的马氏距离计算，避免了大量的矩阵乘法计算。该算法简单易行，降低了算法的计算复杂度，有利于SLAM算法的实时执行，且关联效果与全局最近邻法相同
上传时间： 2014-01-02
上传用户：GavinNeko
用matlab实现的几种模式识别的方法，有切比雪夫距离法，马氏距离法，欧氏距离法。而且每种方法都给出了多种编程
上传时间： 2014-01-06
上传用户：firstbyte
