虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

相似性

  • 这是个用于时间序列相似性比较和计算的数据集

    这是个用于时间序列相似性比较和计算的数据集,用asc码编辑的,对应于DTW算法配合使用

    标签: 时间序列 数据集 相似性 比较

    上传时间: 2016-12-22

    上传用户:dapangxie

  • 基于2D轮廓的三维模型相似性比较研究 在游戏开发和机械建模 常用的方法

    基于2D轮廓的三维模型相似性比较研究 在游戏开发和机械建模 常用的方法

    标签: 轮廓 三维模型 相似性 比较

    上传时间: 2013-12-25

    上传用户:huql11633

  • 面向TDT的主题相似性计算模型.pdf 网络热点信息发现研究.pdf 网络信息挖掘技术及其应用研究.pdf

    面向TDT的主题相似性计算模型.pdf 网络热点信息发现研究.pdf 网络信息挖掘技术及其应用研究.pdf

    标签: TDT 相似性 发现

    上传时间: 2013-12-11

    上传用户:稀世之宝039

  • 基于时域分形的相似性匹配日内低频交易(SMT)策略

    量化另类交易策略-基于时域分形的相似性匹配日内低频交易(SMT)策略

    标签: SMT 时域 分形 低频 相似性 策略

    上传时间: 2017-04-21

    上传用户:landysag

  • 基于互相关相似性度量的小波变换分子序列

    该文档为基于互相关相似性度量的小波变换分子序列简介资料,讲解的还不错,感兴趣的可以下载看看…………………………

    标签: 小波变换

    上传时间: 2021-10-20

    上传用户:

  • 纹理感知相似性学习综述

    该文档为纹理感知相似性学习综述简介资料,讲解的还不错,感兴趣的可以下载看看…………………………

    标签: 纹理感知

    上传时间: 2021-10-23

    上传用户:ttalli

  • 小波分析在信号降噪中的应用

    针对信号检测中经常存在的噪声污染问题,利用小波分解之后可以在各个层次选择阈值,对噪声成分进行抑制,手段更加灵活。本文介绍了小波变换的一般理论以及在信号降噪中的应用,分析了被噪声污染后的信号的特性;利用MATLAB软件进行了信号降噪的模拟仿真实验并在降噪光滑性和相似性两个方面体现出小波变换的优势。本文分别使用了不同类型的小波和相同类型小波下不同阈值对信号进行了降噪.仿真结果表明小波变换具有良好降噪的效果。

    标签: 小波分析 信号降噪 中的应用

    上传时间: 2013-10-19

    上传用户:alex wang

  • AVRstudio入门

    AVR STUDIO4:这个文件是一个完整的开发工具,包括编辑、仿真功能,利用这个工具,我们可以编辑源代码,并在AVR器件上运行。􀂃 代码实例:这是一个用于演示完整代码,AT90S8515数据手册:这是AT90S8515芯片的完整资料。AT90S8515芯片是一款非常容易上手的AVR芯片。现在你不用担心AVR其他型号的产品,以后你会发现AVR系列产品有非常大的相似性,你掌握了一款芯片比如说8515),学会其他芯片也非常容易。。指令说明:如果你要详细的了解各种指令的话,这个文件非常有用。

    标签: AVRstudio

    上传时间: 2013-10-09

    上传用户:guojin_0704

  • ARM7 数据手册

    ARM7 是一种低电压,通用32 位RISC 微处理器单元,可作一般应用或嵌入到ASIC 或CSIC中,其简洁一流的设计特别适用于电源敏感的应用中。ARM7 的小尺寸使它特别适合集成到比较大的客户芯片中,此芯片中也可以包含RAM, ROM, DSP,逻辑控制和其他代码。 增强特性:ARM7 和ARM6 有相似性,但增加了以下功能:基于亚微米的制程,增加了速度,减少了电源消耗3V 操作,很小的电源消耗,并同5V 系统兼容较高的时钟对所以程序执行较快。特性总结:l   32 位的RISC 结构处理器(包括32 位地址线和数据线);l   Little/Big Endian 操作模式;l   高性能RISC17 MIPS sustained @ 25 MHz (25 MIPS peak)@ 3Vl   较低的电压损耗0.6mA/MHz@ 3V fabricated in .8 m CMOS全静态操作l   适用于对电源比较敏感的应用中l   快速中断响应l   适用于实时系统l   支持虚拟内存l   支持高级语言l   简单但功能强大的指令系统

    标签: ARM7 数据手册

    上传时间: 2013-10-24

    上传用户:座山雕牛逼

  • 实现聚类K均值算法: K均值算法:给定类的个数K

    实现聚类K均值算法: K均值算法:给定类的个数K,将n个对象分到K个类中去,使得类内对象之间的相似性最大,而类之间的相似性最小。 缺点:产生类的大小相差不会很大,对于脏数据很敏感。 改进的算法:k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用,这样的一个medoid就标识了这个类。步骤: 1,任意选取K个对象作为medoids(O1,O2,…Oi…Ok)。 以下是循环的: 2,将余下的对象分到各个类中去(根据与medoid最相近的原则); 3,对于每个类(Oi)中,顺序选取一个Or,计算用Or代替Oi后的消耗—E(Or)。选择E最小的那个Or来代替Oi。这样K个medoids就改变了,下面就再转到2。 4,这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感,但计算量显然要比K均值要大,一般只适合小数据量。

    标签: K均值算法 聚类

    上传时间: 2015-04-03

    上传用户:sardinescn