阿斯顿发送大声的阿斯顿发生的爱的发生的发生的发生的飞洒倒萨
上传时间： 2013-12-20
上传用户：lili123
高斯主元,雅可比迭代以及牛顿算法 对于数值分析有很大的帮助
上传时间： 2015-10-27
上传用户：BOBOniu
％ FSK-FM方案的可解调问题。 ％ 高斯噪声 SNR = 2OdB 并假设镜像信号非常小。仿真设置5％
上传时间： 2013-12-25
上传用户：15071087253
高斯投影计算，C＋＋/CLI,采用VS2005环境.
上传时间： 2015-10-27
上传用户：ynwbosss
QPSK在加性高斯白噪声环境下，信噪比和误码率的仿真。 先产生一个四组符号的序列，再将该序列映射到对应的相位上。用相应的函数产生均值为零、方差为δ2的加性高斯噪声。
上传时间： 2014-01-08
上传用户：xc216
用列主元高斯法解用户输入的线性方程组。包含3个文件。
上传时间： 2013-12-20
上传用户：xz85592677
贝叶斯分类器是一种最优分类器，它假设基于可获得的信息可以建立类别的概率密度函数，然后基于最小错误率分类准则进行分类。一般假设概率密度函数是正态分布，因为正态分布数学基础较好。问题就转化为正态分布参数的估计问题。幸运的是，参数估计问题已经被很好的解决了。 基于正态分布的协方差的不同，正态概率分布型的贝叶斯分类器可分为：欧式距离分类器、马氏距离分类器、线性判别分析、对角线性判别分析、二次判别分析和对角二次判别分析。 在具有模式的完整统计知识条件下，按照贝叶斯决策理论进行设计的一种最优分类器。分类器是对每一个输入模式赋予一个类别名称的软件或硬件装置，而贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。 目标：编程实现正态概率分布型的贝叶斯分类器。
上传时间： 2014-01-05
上传用户：叶山豪
专注于C,C++,VC 饿罗斯方块，设备环境句柄和【俄罗斯方块】中四个【方格】在游戏区域中的位置 // 每个【俄罗斯方块】由四个【方格】组成7种不同的形状
上传时间： 2015-10-29
上传用户：zhouchang199
列主元消元法解线性方程组（已通过验证） LU分解法解线性方程组（已通过验证）： 雅可比迭代法（已通过P54例一和习题一的验证）高斯---赛得尔迭代法 拉哥朗日插值公式（乘幂法
上传时间： 2013-12-13
上传用户：lifangyuan12
贝叶斯决策解决城市最短路径问题,人工只能实验项目
上传时间： 2015-10-30
上传用户：sdq_123
