HMM(Hidden Markov Model)，狀態數目N=3，觀察符號數目M=2，時間長度T=3。 (a) Probability Evaluation: 給定狀態轉換機率A、狀態符號觀察機率B、和起始機率 ，求觀察序列 出現的機率。 (b) Optimal State Sequence: 給定狀態轉換機率A、狀態符號觀察機率B、起始機率 、和觀察序列 ，求一個狀態序列 使得O出現的機率最大。 (c) Parameter Estimation: 給定狀態轉換機率A、狀態符號觀察機率B、起始機率 、和觀察序列 ，求新的A、B、 ，使得O出現的機率最大。
上传时间： 2014-08-28
上传用户：heart520beat
高精度乘法基本思想和加法一样。其基本流程如下： ①读入被乘数s1，乘数s2 ②把s1、s2分成4位一段，转成数值存在数组a,b中；记下a,b的长度k1,k2； ③i赋为b中的最低位； ④从b中取出第i位与a相乘，累加到另一数组c中；（注意：累加时错开的位数应是多少位 ？） ⑤i:=i-1；检测i值：小于k2则转⑥,否则转④ ⑥打印结果
上传时间： 2015-08-16
上传用户：源弋弋
burg法估计AR（P)模型参数的算法。里面ef是前项误差bf是后项误差，mse是预测误差的均方值。程序的最后输出的是把各阶预测误差放在一个下三角距阵中
上传时间： 2013-12-20
上传用户：wmwai1314
在这个电脑中的虚拟市场中，若干被称为交易者的人工智能程序(Agent)通过观察它们所在的数字世界中 股价和股息的不断变换而做出预测，并且根据这些预测做出购买股票与否以及购买股票数量的决策。 反过来，所有的交易者的决策又决定了股票的价格，这样，整个的股票交易市场就构成了一个自我封闭的 计算系统。同时，这些交易者都具有学习的能力，可以根据以前预测的成功或者失败对自己的决策进行调整 ，并且通过一种被称为遗传算法的方法产生创新能力。总之，ASM是一个电脑中不断进化的虚拟股票市场！ 通过研究ASM，我们可以更好的理解现实世界的行为，并且它提供了一个很好的现实股市的隐喻。
上传时间： 2013-12-12
上传用户：cuiyashuo
这是一个图书馆管理程序，是我们数据结构课程的项目。 采用B-tree实现。
上传时间： 2014-03-01
上传用户：chens000
上下文无关文法（Context-Free Grammar, CFG）是一个4元组G=(V, T, S, P)，其中，V和T是不相交的有限集，S∈V，P是一组有限的产生式规则集，形如A→α，其中A∈V，且α∈(V∪T)*。V的元素称为非终结符，T的元素称为终结符，S是一个特殊的非终结符，称为文法开始符。 设G=(V, T, S, P)是一个CFG，则G产生的语言是所有可由G产生的字符串组成的集合，即L(G)={x∈T* | Sx}。一个语言L是上下文无关语言（Context-Free Language, CFL），当且仅当存在一个CFG G，使得L=L(G)。 *⇒ 例如，设文法G：S→AB A→aA|a B→bB|b 则L(G)={a^nb^m | n,m>=1} 其中非终结符都是大写字母，开始符都是S，终结符都是小写字母。
标签： Context-Free Grammar CFG
上传时间： 2013-12-10
上传用户：gaojiao1999
通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述（模糊预测领域中理论、方法较为完善的预测学分支）
标签：
上传时间： 2013-12-23
上传用户：sjyy1001
灰色预测GM（1，1）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算
标签： 灰色预测
上传时间： 2013-12-19
上传用户：vodssv
本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA-SVM的人脸识别算法及实现方法。 论文分别应用数值仿真及现有人脸数据库，分析了算法的数值特性并验证了算法的可靠性和实用性。 本文数值仿真与分析软件基于MATLAB和LABVIEW虚拟仪器设计开发。 本文档是nh文件，可以用caj打开。与大家共享！！
上传时间： 2016-02-14
上传用户：Divine
嵌入weka中使用的支持向量机工具包，实现SVM的分类算法，
上传时间： 2014-12-22
上传用户：开怀常笑
