一、信号的时域特征值 二、信号的幅值域特征值 三、信号的相关域特征值 四、信号的频率域特征值 五、常见信号形式 六、信号的算法规则

模式识别的三大核心问题： •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学习和分类识别算法，我们在前面各章的介绍中详细讨论了第二方面的内容。本章介绍的特征提取与选择问题则是对象表示的一个关键问题

§ 避免绝对值小的数作除数 § 避免两个相近的数据相减 § 要防止大数“吃掉”小数 § 尽量减少计算工作量 § 选用数值稳定性好的算法

第一章 C语言概述 第二章 程序的灵魂－算法 第三章 C语言的基本数据类型与表达式 第四章 最简单的C程序设计——顺序程序设计 第五章 分支结构程序设计 第七章 数组 第八章 函数及其应用 第九章 编译预处理 第十章 指针 第十一章 结构体、共用体、枚举 第十二章 位运算 第十三章 文件

盲系统辨识 盲源分离(BSS, Blind Source Separation) 独立分量分析 (ICA, Independent Component Analysis) 信道盲均衡 盲波束形成

一、随机信号基本概念 二、信号的幅值域分析 三、相关分析及其应用 四、功率谱分析及其应用

• 一、研究区简介 • 二、实验数据采集及预处理 • 三、反演物理模型 • 四、物理模型 • 五、实验步骤 • 六、实验结果 • 七、结果分析 • 八、存在的问题 • 九、主要参考文献

一、理想滤波器 二、常见滤波算法 三、高通/低通滤波器 四、带通/带阻滤波器 五、选频网络

以工业PID控制中控制器参数调整困难为背景,在分析神经网络特性的基础上,提出神经网络控制方法,设计了具有自适应性的神经网络PID控制器。在描述了神经网络的学习机理的基础上,给出了控制器控制算法。通过2个实例验证了神经网络在线控制的可行性

◼ 1、概述 ◼ 1.1、机器学习的应用 ◼ 1.2 、什么是机器学习 ◼ 1.3、机器学习的发展 ◼ 1.4、机器学习的分类 ◼ 1.5 机器学习的资源 ◼ 2、机器学习的数学基础 ◼ 3、机器学习的术语 ◼ 4、基于案例的机器学习流程简介 ◼ 5、机器学习算法简介 ◼ 6、机器学习实例演示