c语言版的多项式曲线拟合。 用最小二乘法进行曲线拟合. 用p－1 次多项式进行拟合，p<= 10 x,y 的第0个域x[0],y[0],没有用，有效数据从x[1],y[1] 开始 nNodeNum,有效数据节点的个数。 b,为输出的多项式系数，b[i] 为b[i-1]次项。b[0],没有用。 b,有10个元素ok。
上传时间： 2014-01-12
上传用户：变形金刚
copua是金融数学计算中的一类新模型。本代码提供了最常用的copula模型，如clayton等中的参数估计等内容
上传时间： 2013-12-10
上传用户：CHENKAI
利用AR模型进行时间序列预测的程序源代码，使用最小二乘估计法进行参数估计。拟合效果非常好。
上传时间： 2014-07-14
上传用户：zxc23456789
crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下： (1) 设要发送的数据对应的多项式为P(x)。 (2) 发送方和接收方约定一个生成多项式G(x)，设该生成多项式 的最高次幂为r。 (3) 在数据块的末尾添加r个0，则其相对应的多项式为M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，获得商Q(x)和余式R(x)，则 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2运算，T(x)所对应的数据是在原数 据块的末尾加上余式所对应的数据得到的。 (6) 发送T(x)所对应的数据。 (7) 设接收端接收到的数据对应的多项式为T’(x)，将T’(x)除以G(x) ，若余式为0，则认为没有错误，否则认为有错。
上传时间： 2014-11-28
上传用户：宋桃子
统计学习软件包，基于lasso算法的参数估计
标签： 软件包
上传时间： 2014-08-28
上传用户：tyler
crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下： (1) 设要发送的数据对应的多项式为P(x)。 (2) 发送方和接收方约定一个生成多项式G(x)，设该生成多项式 的最高次幂为r。 (3) 在数据块的末尾添加r个0，则其相对应的多项式为M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，获得商Q(x)和余式R(x)，则 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2运算，T(x)所对应的数据是在原数 据块的末尾加上余式所对应的数据得到的。 (6) 发送T(x)所对应的数据。 (7) 设接收端接收到的数据对应的多项式为T’(x)，将T’(x)除以G(x) ，若余式为0，则认为没有错误，否则认为有错
上传时间： 2014-01-16
上传用户：hphh
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
机动目标的跟踪问题一直是人们研究的重点，实现机动目标精确跟踪，首要解决的问题就是使所建立的目标运动模型与实际的目标运动模型匹配。目前常用的有多模型(MM)，交互式多模型(IMM)，切换模型等。多模型方法就是对一组具有不同机动模型分别进行Kalman滤波，最终的参数估计是各滤波器估计值的加权和；在多模型基础上，Shalom提出了交互式多模型方法，这一方法对无序目标的机动检测，显示了更好的鲁棒性和跟踪的稳定性；切换模型则是分别建立机动和非机动运动模型，利用机动检测实现在这两个模型之间的切换。一般来说，交互式多模型的跟踪性能较好。
标签： 机动
上传时间： 2013-12-14
上传用户：maizezhen
时频分析，解决非平稳信号的检测与参数估计。
标签： 时频分析
上传时间： 2013-12-12
上传用户：D&L37
用游标的方法实现对称差的计算，即 （A-B）+（B-A）
上传时间： 2016-05-23
上传用户：远远ssad
