1 线性空间与内积空间 2 向量范数与矩阵范数 3 矩阵特征值 4 矩阵标准型 5 几类特殊矩阵

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

7-1幂零线性变换的 Jordan标准型 A是数域K上n维线性空间V上的线性变换,如果存在正整数m,使A=0,则称A是一个 幂零线性变换. 对数域K上n阶方阵A,如果存在正整数m,使Am=0,则称A为幂零矩阵 命题幂零线性变换的特征值等于0 证明设是V上幂零线性变换A的特征值,则存在V中非零向量a,使得 Aa= 假设A=0

《概率论》课程教学资源（教案讲义）第三章 随机向量及其概率分布 3.6 条件分布 第四章 随机变量的数字特征 4.1 随机变量的数学期望 4.2 随机变量函数的期望与期望的性质

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

提出了一种独立分量分析和BP神经网络相结合的人耳识别新方法(ICABP法).首先采用快速独立分量分析方法提取人耳图像的独立基图像和投影向量,然后采用改进的三层BP神经网络进行分类识别.该方法将ICA的空间局部特征提取功能和BP神经网络的自适应功能有机地结合起来,增强了系统的鲁棒性.实验表明,ICABP法取得了很高的识别率

1.2.1 线性空间基本概念 1.2.2 矩阵特征值与谱半径 1.2.3 对称正定矩阵 1.2.4 向量范数与矩阵范数 1.2.5 内积与内积空间 1.2.6 矩阵标准型

本文通过阐述TCP/IP网络中路由器的基本工作原理,介绍了IP路由器的几大功能, 给出了静态路由协议和动态路由协议,以及内部网关协议和外部网关协议的概念,同时简 要介绍了目前最常见的RIP、0SPF、BGP和BGP-4这几种路由协议,然后描述了路由算法的 设计目标和种类,着重介绍了链路状态法和距离向量法。在文章的最后,扼要讲述了新 代路由器的特征

5.1 气味信息的特征与提取 5.2 气味信息的预处理 5.3 主成分分析 5.4 独立成分分析 5.5 聚类分析 5.6 线性判别分析 5.7 支持向量机分析

1 频率特性的基本概念 频率特性G(jω) 的定义 频率特性G(jω) 的图解表示 2 对数频率特性（Bode图） 典型环节的Bode图 开环系统对数频率特性 ( Bode) 3 幅相频率特性（Nyquist 图） 典型环节的幅相频率特性 系统开环幅相曲线 4 频域稳定判据 幅角原理 奈奎斯特稳定判据 对数稳定判据 5 稳定裕度 稳定裕度的定义 稳定裕度的计算 6 利用开环频率特性分析系统的性能 7 利用闭环频率特性分析系统的性能 用向量法求闭环频率特性 闭环频率特性的几个特征量