搜索资源列表
-
2下载：
图像配准中的两幅图像的归一化互信息计算方法代码-Image registration of two images of the normalized mutual information method code
-
-
0下载：
Clustering Evaluation: Evaluate the clustering result by accuracy and normalized mutual information
Deng Cai, Xiaofei He, and Jiawei Han, "Document Clustering Using Locality Preserving Indexing", in IEEE TKDE, 2005. Bibtex source
bestMap
hun
-
-
0下载：
图像配准在医学图像处理领域是一项重要的技术，对临床诊断和治疗起着越来越重要的作用。尽管对
这方面的研究已经展开多年，但目前的主要方法仍然存在不足之处，急需改进，以便更好的应用于临床实践。
本文主要针对现在流行的基于最大互信息量的配准方法展开讨论和研究。在此基础上提出了相同重叠区域下的配准框架，在此框架下，将一些统计相似性配准算法统一为基于最小条件熵的图像配准算法。通常称为归一化互信息配准的方法。-Image registration in medical image processing
-
-
0下载：
本文提出了一种基于图像配准的自动目标识别算法,图像配准算法采用基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算法作为搜索策略。在图像精确配准的基础上,通过图像间的相互转换,间接实现了目标的准确识别。仿真试验结果表明,该方法可以实现复杂背景下目标的准确识别。
-This paper presents a novel image registration algorithm for automatic target recognition, image registration algo
-
-
0下载：
此程序可以实现对图像进行配准，所采用的相似性测度包括归一化互信息，互信息等多种测度，同时包含多种测试程序。-This procedure can be achieved for the image registration, using the similarity measure of the mutual information, normalized mutual information, and many other measure, contain both a variety of
-
-
1下载：
通过matlab实现：通过计算归一化互信息进行判断实现图像配准。-Through matlab: by calculating the normalized mutual information to judge to realize image registration.
-
-
0下载：
how to calculate normalized mutual information
-
-
0下载：
进行逐步线性回归，计算互信息非常有用的一组程序,数据模型归一化，模态振动。- Stepwise linear regression, Mutual information is useful to calculate a set of procedures, Normalized data model, modal vibration.
-
-
0下载：
Normalized data model, modal vibration, Mutual information is useful to calculate a set of procedures, LCMV optimization design array signal processing.
-
-
4下载：
图像清晰度评价函数说明
1、熵: 表示图像所包含的平均信息量的多少,嫡值越大则所含信息量越多。
文件名：entropy.m 结果：EN
2、交叉嫡：反映两幅图像的差异,交叉嫡越小,则融合图像和原图像的差别越小。
文件名：cross_entropy.m 结果：平均交叉嫡MCE，均方根交叉嫡RCE
3、峰值信噪比: PSNR越高,说明融合效果与质量越好。
文件名：psnr.m 结果：PSNR
4、Qabf: 评价边缘或梯度质量，越大边缘越明显
文件名：Qab
-
-
1下载：
matlab版本的标准互信息函数，用于聚类指标的计算，可直接使用(normalized mutual information function for clusering performance evaluation (MATLAB version))
-
-
1下载：
1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。
2) 使用C-Means算法对所有数据点进行聚类。C=3。
任务2（必做）：
使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。
任务3（全做）：
1) 参考数据文
-
