本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。这里使用Matlab实现这两种估计方法。...
分类：
其他好文 时间：
2015-04-25 22:54:04
阅读次数：
1933
在之前的模式识别研究中，判别函数J(.)的参数是已知的，即假设概率密度函数的参数形式已知。本节不考虑概率密度函数的确切形式，使用非参数化的方法来求解判别函数。由于线性判别函数具有许多优良的特性，因此这里我们只考虑以下形式的判别函数：它们或者是x的各个分量的线性函数，或者是关于以x为自变量的某些函数的线性函数。...
分类：
其他好文 时间：
2015-04-23 11:03:19
阅读次数：
1147
转载1、基于加窗DFT变换域处理算法 接收机接收到的信号由期望信号、信道噪声和窄带干扰信号3部分组成，可以写成数学表达式：r(t) = s(t) + g(t) + j(t) (1)其中，s(t)为数据序列经过伪随机码扩频之后，进行BPSK调制得到的发射信号，g(t)为零均值，双边功率谱密度为N0/2...
分类：
其他好文 时间：
2015-04-19 01:10:15
阅读次数：
492
DM码和QR码是当今比较主流的二维码，其中QR码容量大，容量密度为16kb，DM码容量要小一点，可在仅仅25mm²的面积上编码30个数字，但是DM码的容错率更高，所以实际的工业生产中经常使用DM码作为产品的标签。 DMDECODER是一款比较好用的DM码解析软件，包含有一个DLL和一个lib，...
分类：
编程语言 时间：
2015-04-18 21:57:44
阅读次数：
946
6.3直方图 hist()其中的x是一个由数据值组成的数值向量。参数freq=FALSE表示根据概率密度而不是频数绘制图形。参数breaks用于控制组的数量。在定义直方图中的单元时，默认将生成等距切分。par(mfrow=c(2，2))hist(mtcars$mpg)#简单直方图hist(mtcar...
分类：
其他好文 时间：
2015-04-18 17:33:38
阅读次数：
190
1、 安卓图片自适应android从1.6和更高，Google为了方便开发者对于各种分辨率机型的移植而增加了自动适配的功能2、 /*获取屏幕像素和屏幕密度*/ DisplayMetrics metrics=new DisplayMetrics(); getWindowManager().getDef...
分类：
移动开发 时间：
2015-04-18 15:49:31
阅读次数：
220
DisplayMetrics dm = getResources().getDisplayMetrics(); int scale = dm.densityDpi; if (scale == 240) { // webView.getSettings().setDefaultZo...
分类：
Web程序 时间：
2015-04-17 17:52:51
阅读次数：
207
这次将介绍基于MeanShift的目标跟踪算法，首先谈谈简介，然后给出算法实现流程，最后实现了一个单目标跟踪的MeanShift算法【matlab/c两个版本】 csdn贴公式比较烦，原谅我直接截图了…一、简介 首先扯扯无参密度估计理论，无参密度估计也叫做非参数估计，属于数理统计的一个分支，和参数密...
分类：
编程语言 时间：
2015-04-17 13:34:54
阅读次数：
392
这个是最常用但也最难理解的尺寸单位。它与“像素密度”密切相关，所以 首先我们解释一下什么是像素密度。假设有一部手机，屏幕的物理尺寸为1.5英寸x2英寸，屏幕分辨率为240x320，则我们可以计算出在这部手机的屏幕上， 每英寸包含的像素点的数量为240/1.5=160dpi（横向）或320/2=1...
分类：
其他好文 时间：
2015-04-17 09:31:49
阅读次数：
174
Android下屏幕适配适配：即当前应用在相同的手机上面显示相同的效果。适配前需要首先确定当前手机所属像素密度类型(如：xhdpi、hdpi、mdpi等)，以下已华为G700、模拟器为例，计算其像素密度。案例一：手机型号：G700
手机分辨率：1280*720 (注：手机两个直角边上分别放置了1280及720个像素点)
手机尺寸大小：5英寸(手机斜边长度)假设a，b分别为两个直角边，c为斜边，由勾股...
分类：
移动开发 时间：
2015-04-16 21:55:17
阅读次数：
185
