文件中包含了歌曲名,专集名,歌手名,发行日期等信息.一个合格的播放器是可以将其提 取出来予以显示的.这些信息存在偶们称之为ID3的数据块中.下面贴上ID3的详细说明. [4t1r.rar] - 用matlab开发的分布MIMO四发一收的仿真
上传时间： 2013-12-17
上传用户：黄华强
文件中包含了歌曲名,专集名,歌手名,发行日期等信息.一个合格的播放器是可以将其提 取出来予以显示的.这些信息存在偶们称之为ID3的数据块中.下面贴上ID3的详细说明. [4t1r.rar] - 用matlab开发的分布MIMO四发一收的仿真
上传时间： 2017-02-19
上传用户：dbs012280
通过对空间数据的分析，挖掘规律，模拟区域雨量分布预测
上传时间： 2014-01-14
上传用户：csgcd001
根据输入的频数数据，自动做出频率分布的条形图。图形美观，简单明了
上传时间： 2014-06-03
上传用户：sy_jiadeyi
采用身高和体重数据作为特征，分别假设二者相关或不相关，在正态分布假设下估计概率密度，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到训练/测试样本，考察训练/测试错误情况。
上传时间： 2017-07-04
上传用户：jyycc
X2分布检验，只要是用来检验数据是否属于正态，对数正态，伽马分布
标签： 分布
上传时间： 2013-12-16
上传用户：jhksyghr
无线传感器网络体系结构与性能标准 WSNs体系结构如图1所示。它主要由以下部分组 成_2]：传感器节点、接收发送器(Sink)、Internet或通信卫星、 任务管理节点等部分。传感器节点分布在感知区域内，采集 与观察对象相关的数据，并将协同处理后的数据传送到 Sink。Sink可以通过Internet或通信卫星实现传感器网络与 任务管理节点通信。WSNs路由协议的任务是在传感器节点 和Sink节点之间建立路由，可靠地传递数据。
上传时间： 2014-01-14
上传用户：ztj182002
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
在工业应用中常用一组传感器对问一个被测量目标在一个过程的不同位置进行测量，然而由于每个传感器位于过程的不同位置，它们将不问程度的受到嗓声的干扰，为了从被嗓声干扰的多传感器测量值中获得更准确的测量结果，霱要进“步研究多传感器的融合理论多传感器数据融合系统的关键在于如何充分利用各个传感器的信息，得到对被测参数的最优估计，本文主要研究了以加权的方式进行多传感器数据融合的方法，即研究如何对每个传感器进行加权，从而得到对被测参数最优佑计的方法为此本文在介绍了多传感器数据融合技术的基础上，首先研究了基于奇异值分解的数据融合算法，通过对传感器测量值构成的矩阵进行奇异值分解，利用每个传感器测量值所对应的奇异值，可以估计出对每个传感器权值的最优估计，从而在不要任何先验知识的条件下，可仅由多传感器的测量值，利用提出的算法得到在最小均方误差意义下的被测参数的最优估计，此外，在许多工业过程中，人们利用多传感器测量同一过程参数以控制该参数在过程中的不同位置能根据需要进行合理分布，此时人们希望利用多传感器融合的测量结果，对每一个传感器的测量数据进行重建，以获得对每一个传感器的测量结果进行更为准确的估计。为此，本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法，仿真和实验结果都说明提出算法是有效的，最后，研究了非线性动态系统的状态融合问题，研究了加权无气味卡尔曼滤波（UKF）方法，研究表明无气味卡尔曼波波能克服了扩展卡尔曼滤波（EKF）在状态融合估计中的不足，可以得到了更准确的状态融合估计结关键词多传感器系统，数据融合，奇异值分解，UKF
上传时间： 2022-03-16
上传用户：aben
机械设计,制造常用数据及标准规范实用手册 .PDF
上传时间： 2013-04-15
上传用户：eeworm
