有哪些不需要写代码的技术工作?

我的新书《Android App开发入门与实战》已于2020年8月由人民邮电出版社出版,欢迎购买。点击进入详情

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. UX/UI Designer
  2. Data Analyst
  3. Technical Writer
  4. Product Manager
  5. Project Manager
  6. System Admin
  7. SEO/Marketing
  8. Technical Recruiter

同意么?欢迎评论区留言

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
雷达工作模式识别技术研究的具体方法有很多,这里提供一种基于神经网络的方法的matlab实现。 1. 数据预处理 首先需要准备好训练数据和测试数据,这些数据需要进行预处理,包括数据去噪、归一化等操作。这里我们以MSTAR数据集为例,使用matlab自带的load函数加载数据,并进行预处理: ```matlab % 加载数据 load('mstar_data.mat'); % 数据去噪 data = wdenoise(data, 'sqtwolog', 'h', 'mln', 4, 'db4'); % 数据归一化 data = normalize(data, 'range', [-1, 1]); ``` 2. 特征提取 接下来需要对数据进行特征提取,以便于神经网络进行分类。这里我们使用小波变换进行特征提取,具体实现代码如下: ```matlab % 小波变换 [c, l] = wavedec2(data(:, :, 1), 4, 'db4'); coeffs = zeros(length(c), size(data, 3)); for k = 1:size(data, 3) [c, l] = wavedec2(data(:, :, k), 4, 'db4'); coeffs(:, k) = c; end % 特征归一化 coeffs = normalize(coeffs, 'range', [-1, 1]); ``` 3. 构建神经网络 接下来需要构建一个神经网络进行分类,这里我们使用matlab自带的feedforwardnet函数构建一个全连接神经网络,代码如下: ```matlab % 构建神经网络 net = feedforwardnet([64, 32], 'trainbr'); net.trainParam.epochs = 500; net.trainParam.max_fail = 20; net.trainParam.goal = 0.01; net.trainParam.showWindow = false; % 训练神经网络 [net, tr] = train(net, coeffs, labels); % 测试神经网络 test_coeffs = zeros(length(c), size(test_data, 3)); for k = 1:size(test_data, 3) [c, l] = wavedec2(test_data(:, :, k), 4, 'db4'); test_coeffs(:, k) = c; end test_coeffs = normalize(test_coeffs, 'range', [-1, 1]); test_labels = net(test_coeffs); ``` 4. 分类结果评估 最后需要对分类结果进行评估,这里我们使用混淆矩阵和分类准确率进行评估,代码如下: ```matlab % 混淆矩阵 confusion_matrix = zeros(num_classes, num_classes); for i = 1:size(test_labels, 2) [~, class_idx] = max(test_labels(:, i)); confusion_matrix(test_labels(i), test_labels(i)) = confusion_matrix(test_labels(i), test_labels(i)) + 1; end % 分类准确率 accuracy = trace(confusion_matrix) / sum(confusion_matrix(:)); ``` 以上就是基于神经网络的雷达工作模式识别技术的matlab实现,具体实现细节还需要根据具体情况进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值