当前位置：
首页 资源下载
搜索资源 - pseudo inverse matrix
搜索资源列表
-
0下载：
用外积和法设计的权矩阵，不能保证p对模式全部正确的联想。若对记忆模式对加以限制（即要求p个记忆模式Xk是两两正交的），则用外积和法设计的BAM网具有较好的联想能力。 在难以保证要识别的样本（或记忆模式）是正交的情况下，如何求权矩阵，并保证具有较好的联想能力？这个问题在用BAM网络实现对字符的识别程序仿真中得到体现。我们做过尝试，用伪逆法求权矩阵，虽然能对未加干扰的字符全部进行识别，但对加有噪声的字符识别效果很差。至于采用改变结构和其他算法的方法来求权矩阵，将是下一步要做的工作。-foreign
-
-
0下载：
使用VisualC++实现的伪逆矩阵的计算方法，Dlg编程。-Using VisualC++ implementation of the pseudo-inverse matrix method of calculation, Dlg programming.
-
-
0下载：
基于CLAPACK的矩阵求伪逆的运算函数，效率非常好，需要自己编译下CLAPACK库才可以使用-LAPACK matrix pseudo-inverse operator function, the efficiency is very good, need to compare his own Lower CLAPACK library can only be used
-
-
0下载：
矩阵求伪逆，在图像，机器人，压缩文件方面都有很大的用处-Matrix pseudo-inverse, compressed files have great usefulness in the image, the robot
-
-
1下载：
//奇异值分解法求双精度浮点数矩阵的广义逆
//功能：利用奇异值分解求解一般的m×n阶实矩阵A的广义逆A+。
//方法说明：设m×n阶实矩阵A的奇异值分解式为
//其中 Σ = diag(σ0, σ1, ……,σp)(p≤min(m,n) -1 )且σ0≥σ1≥……≥σp＞0
//设U = （U1,U2）,其中U1为U中前P+1列列正交向量组构成的m×(p+1)矩阵；V = (V1，V2)，其中V1为前P+1列//列正交向量组构成的n×(p+1)矩阵。则A的广义逆为：
//A
-
-
0下载：
子空间类波达方向(Direction Of Arrival,DOA)估计算法的关键在于得到高质量的信号子空间估计。该文利用矩阵伪逆的双正交性,针对源信号不相关而其本身是色信号的情况,给出了一种新颖的DOA估计算法,它不需要知道噪声统计特性。该算法利用一组空间相关矩阵的结构化信息,能稳健而精确地估计出信号子空间,从而得到DOA的精确估计。仿真实验证实了所给算法的有效性。-The key subspace DOA (Direction Of Arrival, DOA) estimation algo
-
-
1下载：
自己写的delphi矩阵运算函数库，包括，求逆，求伪逆矩阵-Write your own library delphi matrix operations, including, inverse, seeking pseudo-inverse matrix, etc.
-
-
0下载：
求取一个数组或者矩阵的伪逆在图像处理中非常有用(it is very imporatant to get the pseudo-inverse of a matrix)
-
