- 博客(4)
- 收藏
- 关注
RSS订阅翻译 TE-Readme
有关安装和使用说明，请参见文件末尾。此Zip存档的内容：ADCHEM15_0010.pdf提交给ADCHEM 2015的论文，提供了详细信息和 描述修改后的代码的优点。temexd_mod.c编译TEMEX mex文件的C源代码。请注意，版本要求将干扰标志作为输入信号，不是参数。因此，它们可以随着时间而改变。看源代码开头的注释以获取详细信息模型要求和选项。teprob_mod.h编译时需要C头文件。temexd_mod.mexw64准备在Windows 64位系统上使用的Mex文件。它是使用MAT
2021-05-17 15:03:29
322
转载 JITL(即时学习算法)
即时学习算法是一种局部建模方法，该算法主要由三部分组成：假设kkk时刻，输入测试样本xk′x^{'}_kxk′，首先计算xk′x_k^{'}xk′与全部训练样本输入向量X={xi}i=1N1X=\{x_i\}_{i=1}^{N_1}X={xi}i=1N1之间的相似度{Si,k}i=1N1\{S_{i,k}\}_{i=1}^{N_1}{Si,k}i=1N1,N1N_1N1是训练集样本数；对{Si,k}i=1N1\{S_{i,k}\}_{i=1}^{N_1}{Si,k}i=1N1从
2021-04-14 09:23:29
3582
转载 CCA
典型关联分析（Canonical Correlation Analysis, CCA)原文链接:CCA1原文链接:CCA2典型相关分析（Canonical Correlation Analysis能够揭示两组变量之间的内在关系。引入在一元统计分析中，用相关系数来衡量两个随机变量的线性相关关系，用复相关系数研究一个随机变量与多个随机变量的线性相关关系。然而，这些方法均无法用于研究两组变量之间的相关关系，于是提出了CCA。其基本思想和主成分分析非常相似。首先，在每组变量中寻找出变量的线性组合，使得两组
2021-03-09 21:36:06
170
转载 PCA
主成分分析（PCA）原文链接:PCA1原文链接:PCA2**PCA (principal components analysis)**是一种非监督学习的降维方法，降维就是一种对高维度特征数据预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征(冗余和噪音)，从而实现提升数据处理速度的目的。主要思想：是将n维特征映射到kkk(小于nnn)维上，这k维是全新的正交特征也被称为主成分，是在原有nnn维特征的基础上重新构造出来的kkk维特征 (新的坐标系)。基于特征值分解协方差矩
2021-03-09 16:25:04
79
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人