svr 源码搜索结果, 第36页, Verysource

释放MEMS机械结构的干法刻蚀技术 ... 了宽泛的制造工艺窗口，从而使良率得到了提升。　　SVR-vHF氧化物释放模块结合现有的memsstar SVR-Xe 牺牲性汽相释放模块 ... 无水氢氟蒸汽(aHF)来去除牺牲氧化物，从而释放MEMS机械结构。SVR蚀刻方法可以完全地去除牺牲材料而不损害机械结构或导致黏附，它同时提供了高度的可选择性、可重复性和均匀性。SVR保留有干燥的表面，没有任何残留物或
基于大数据的玉米田四代棉铃虫发生量的预测模型提出了一种基于支持向量机的预测模型。根据山东省1999-2013年玉米田第四代棉铃虫发生程度采集的数据，采用支持向量回归（SVR）算法，构建了玉米田第四代棉铃虫发生程度与其关联因子间的非线性关系模型，并对该方法进行了测试与分析。结果表明，由SVR预测模型得到的预测发生量与实际发生量基本一致，预测的平均绝对百分比误差为4.36%，预测值与实际值的相关系数为0.960 6，为玉米田第四代棉铃虫的有效防控提供了科学指导。
针对设备端口链路的LSTM网络流量预测与链路拥塞方案针对设备端口链路流量，提出两种基于长短期记忆网络的预测模型。第一种针对在大时间粒度下平稳变化的流量；第二种则针对在小时间粒度下波动剧烈的非平稳流量。通过选用不同的数据划分方式与模型训练方法，构建两种具有不同网络结构的流量预测模型。实验结果表明，前者在处理平稳变化的流量时能够达到极高的预测精度，后者在处理非平稳流量时具有明显优于SVR模型、BP神经网络模型的预测效果。在第二种预测模型的基础上，提出了参数可调的链路拥塞预警方案，实验证明该方案具有一定的可行性。
Head插件的安装 ... gunzip node-v8.13.0-linux-x64.tar.xz tar -xf node-v8.13.0-linux-x64.tar 解压后的路径：/apps/svr/node-v8.13.0 建立软连接 ln -s /apps/svr/node-v8.13.0/bin/node /usr/bin/node ln -s /apps/svr/node-v8.
基于支持向量机算法的多环芳烃表面增强拉曼光谱的定量分析以硫氰化钾（KSCN）为内标物, 利用主成分分析（PCA）降维, 利用支持向量机（SVM）算法建立定量分析模型——支持向量回归（SVR）, 并结合网格搜索（GS）、遗传算法（GA）和粒子群优化算法（PSO）三种参数优化方法, 实现了芘、菲单一溶液和混合 ... 菲预测的ARE在11.3%以内; 三种参数优化方法对同一物质的预测结果相近, 但GS的运算速度最快; 综合考虑误差和分析速度后, 采用GS-SVR模型获得了菲、芘混合溶液的最佳结果。表面增强拉曼光谱（SERS）技术结合SVM算法有望实现多环芳烃的定量分析。
惯性约束聚变实验靶姿态的检测技术针对常用的回归算法由于回归模型不够稀疏而导致的在线检测速度慢的问题,提出基于相关向量机(RVM)回归的惯性约束聚变(ICF)实验靶姿态初步估计。实验中,利用主成分分析法(PCA)提取ICF实验靶图像的代数特征作为RVM的输入样本特征,解决了镜头景深小引起的图像模糊问题。与常用的几种回归算法如支持向量机回归(SVR),K-最近邻法(KNN)及最小均方算法(LMS)进行了实验对比,结果表明,RVM与SVR算法测试误差方差最小,准确率最高,并且几种算法中RVM所用检测时间最短,更适合在线检测。
基于激光点云全局特征匹配处理的目标跟踪算法实际场景中各物体的尺寸差异导致激光三维数据中各物体对应的三维积分区域(SVR)存在差异。在初始帧中,借助于SVR筛选与全局特征匹配完成目标识别,实现对待跟踪目标的自动选取,并且比较四种全局特征描述子的识别能力及运行速度。得到初始帧中的目标位置后,提出了利用全局特征匹配在后续帧中实施目标跟踪的方法。实验结果表明,SVR筛选有利于提高识别跟踪的准确率及算法整体运行速度。
基于可见光指纹的室内高精度定位方法 ... 种基于可见光指纹的室内定位方法。利用定位终端接收来自室内不同LED发出的信号强度信息,构建特征,将物理坐标作为标签,采用支持向量机回归(SVR)算法学习模型,确定移动目标粗略的位置范围。同时,为了进一步优化定位性能,以该位置范围作为限制条件,采用指纹定位算法实现更精确的定位 ... 提定位方法在4 m×4 m×3 m的空间区域中进行了实验。结果表明,该方法定位误差小于1 cm的概率为67.5%,与SVR定位算法相比,平均定位精度提高了93.98%;与传统的基于指纹的定位方法相比,该方法可以在更低复杂度的情况下实现更 ...
使用概率模型(相干点漂移，GMMReg, SVR, GMMTree, FilterReg, Bayesian CPD)进行点云配... Probreg is a library that implements point cloud registration algorithms with probablistic model. The point set registration algorithms using stochastic model are more robust than ICP(Iterative Closest Point). This package implements several algorithms ...
cpp-httplib：仅C ++标头的HTTPHTTPS服务器和客户端库 ... path/to/httplib.h " // HTTP httplib::Server svr; // HTTPS httplib::SSLServer svr; svr.Get( " /hi " , []( const httplib:: ... . set_content ( " Hello World! " , " text/plain " ); }); svr.listen( " 0.0.0.0 " , 8080 ); ...

关键字：svr