可以用来做时间序列分析哦，包括模式判别，模型检验，大家共同学习啊
上传时间： 2015-12-22
上传用户：haiwen5668
该类方法主要指的是活动轮廓模型（active contour model）以及在其基础上发展出来的算法，其基本思想是使用连续曲线来表达目标边缘，并定义一个能量泛函使得其自变量包括边缘曲线，因此分割过程就转变为求解能量泛函的最小值的过程，一般可通过求解函数对应的欧拉(Euler．Lagrange)方程来实现，能量达到最小时的曲线位置就是目标的轮廓所在。
标签： 图像处理
上传时间： 2016-03-07
上传用户：2009dd
基于四元数小波变换的隐马尔可夫树模型（Q-HMT）,并应用于图像去噪，图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。
上传时间： 2016-07-01
上传用户：zcwl
灰色预测模型（Gray Forecast Model）是通过 少量的、不完全的信息，建立数学模型并做出预 测的一种预测方法.当我们应用运筹学的思想方法 解决实际问题，制定发展战略和政策、进行重大 问题的决策时，都必须对未来进行科学的预测. 预测是根据客观事物的过去和现在的发展规律， 借助于科学的方法对其未来的发展趋势和状况进 行描述和分析，并形成科学的假设和判断.
标签： 灰色预测模型
上传时间： 2019-07-21
上传用户：Tqco702
准确量化和预测陆地生态系统碳水通量对于理解陆气间相互作用，预测未来气候变化和控制温室效应具有重要意义。通量观测和模型模拟是目前研究碳水通量的两种主要方法。通量观测精度较高，但观测范围局限、站点分布不均匀，易受环境影响，难以区域扩展；模型模拟可实现不同尺度参量估算，但由于理想化假设、模型参数和驱动数据等限制，导致其模拟结果往往与真实值存在较大偏差。模型-数据融合方法主要是通过参数估计和数据同化两种技术集成观测和模型信息，建立两者相互制约调节的优化关系，以提高模型结果与真实值之间的匹配程度。基于该思路，本研究在地面观测数据、遥感卫星资料以及相关气候环境数据基础上，重点突破全球动态植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感参数优化方法，获取适宜中国的参数化方案：在此基础上，引入数据同化算法，将遥感卫星产品信息与模型相融合，在模拟过程中不断校正原有模型模拟轨迹，提高模型适用性。将以上改进的模型推广至中国区域，实现对20002015年中国地区总初级生产力（Gross Primary Productivity GPP）和敬发（Evapotranspiration，ET的空间格局模拟及分析。主要结论如下1）将LP」DGwM中所选出的22个可调参数（涉及光合、呼吸、水平衡异速生长、死亡、建立以及土壤和掉落物分解共七个作用领域）在各自取值范围内随机获得不同的参数组合，结果表明22个参数可引起GPP和ET模拟结果产生较大的不确定性，尤其集中在生长季。所有站点GPP相对不确定性（Relative Uncertainty，RU）基本保持在09-1.25之间，不具有明显的年际变异性：ET相对不确定性RU月变化趋势明显，且基本处于0.5以下，明显低于GPP，说明所筛选的22个参数对GP模拟产生的影响更为显著。
标签： 数据融合
上传时间： 2022-03-16
上传用户：shjgzh
为了提高语音信号的识别率，提出了一种改进的LPCC参数提取方法。该方法先对语音信号进行预加重、分帧加窗处理，然后进行小波分解，在此基础上提取LPCC参数，从而构成新向量作为每帧信号的特征参数。最后采用高斯混合模型（GMM）进行说话人语音识别，实验表明新特征参数取得了较好的识别率。
上传时间： 2013-10-10
上传用户：asdgfsdfht
可持续捕捞的概念意味着，如果每年通过自然死亡，捕捞和产卵繁殖补充，使得鱼群能够在每年年初捕捞开始时保持平衡不变，那么这样的捕捞策略就可以年复一年地一直持续下去，因此可持续捕捞的鱼群应该是模型（6）（7）（8）的平衡解，即模型不依赖于时间的
标签：
上传时间： 2013-12-31
上传用户：xcy122677
WDM驱动程序设计 一．WDM简介 微软不断推出新的操作系统，现在Windows98和Windows2000已经成了主流，原先用来实现驱动程序的VxD技术随着Win95的淡出也慢慢地将退出历史舞台，在Windows98和Windows2000中设备驱动程序将根据Windows驱动程序模型（WDM）来设计。WDM通过提供一种灵活的方式来简化驱动程序的开发，在实现对新硬件支持的基础上减少并降低所必须开发的驱动程序的数量和复杂性。
上传时间： 2015-06-29
上传用户：253189838
LVQ算法( Learning Vector Quantization，学习矢量量化网络)是一种基于模型（神经网络）的方法，本实验要实现的是对LVQ改进的聚类方法——MLVQ（闫德勤等人提出）。该方法克服了LVQ算法对初值敏感的问题和广义学习矢量量化(GLVQ)网络算法性能不稳定的缺点。(附文章)
标签： Quantization Learning Vector LVQ
上传时间： 2015-08-31
上传用户：youke111
opnet学习资料，提供部分网络仿真模型。一:介绍OPNET 环境。二：执行M/M/1队列模型。三：以太网模型（Aloha，CSMA,CSMA－CD).四：TCP.五：OSPF
标签： opnet
上传时间： 2013-12-29
上传用户：a673761058
