搜索资源列表
W5500模块原理图V1.0
- W5500模块原理图, W5500是WIZnet推出的高性能以太网接口芯片系列之一,内部集成全硬件TCP/IP协议栈+MAC+PHY。全硬件协议栈技术采用硬件逻辑门电路实现复杂的TCP/IP协议簇。其应用具有简单快速、可靠性高、安全性好等显著优势；内部集成MAC和PHY工艺，使得单片机接入以太网方案的硬件设计更为简捷和高效。(The W5500 module schematic diagram, W5500 is one of the High Performance Ethernet inte
变频技术在烟风系统节能改造中的研究与应用
- 引风机是火力发电厂重要的辅助设备，传统的引风机系统采用通过调节挡板开度的方式调节风量，这种调节方式耗电量较大，以高压变频器为核心的变频调速系统以其效率高、应用范围广和节能效果显著的特点在节能改造方面得到了广泛的应用。(With the deepening of the power system, power generation companies competition is increasingly fierce, and effectively reduce the co
matlab与统计回归分析
- 方差分析是分析试验（或观测）数据的一种统计方法。在工农业生产和科学研究中，经常要分析各种因素及因素之间的交互作用对研究对象某些指标值的影响。在方差分析中，把试验数据的总波动（总变差或总方差）分解为由所考虑因素引起的波动（各因素的变差）和随机因素引起的波动（误差的变差），然后通过分析比较这些变差来推断哪些因素对所考察指标的影响是显著的，哪些是不显著的。(Variance analysis is a statistical method for analyzing the data of the t
MK检验 python
- python下的MK显著性检验，及不同显著性条件下的图件出图(python, MK test, different significant level, picture)
caffe-cvpr
- 显着区域检测是计算机视觉中长期存在的问题。它旨在找到最能吸引人眼睛注意的图像中的像素或区域。准确和可靠的显着性检测可以从视觉追踪和识别到图形图像处理等众多任务中受益。例如，成功的对象检测算法有助于自动图像分割，更可靠的对象检测，有效的图像缩略和重定位(Significant regional detection is a long-term problem in computer vision. It aims to find the pixels or regions of the most
caffeine
- 现有的显着性检测方法使用图像作为输入，并且对前景/背景相似性，复杂背景纹理和遮挡敏感。我们探讨了使用光场作为显着性检测的输入的问题。(Existing saliency detection approaches use images as in-puts and are sensitive to foreground/background similari-ties, complex background textures, and occlusions. We ex-plore the pro
C++实现
- 显着区域检测是计算机视觉中长期存在的问题。它旨在找到最能吸引人眼睛注意的图像中的像素或区域。(Significant regional detection is a long-term problem in computer vision. It aims to find the pixels or regions of the most attractive image.)
gaosi
- 高斯背景建模，用于背景搭建，拥有完善的背景更新机制，效果显著(Gauss background modeling is used for setting up the background, and the effect is remarkable)
机器学习术语表_机器学习速成课程
- 本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。 一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比 较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著 的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较，但也适用于任意有限 数量的技术和衡量方式。(The general term for machine learning and the definition of TensorFl
gbvs_hype_v1-master
- gbvs_nips 基于图的显著性。Graph-Based Visual Saliency。是发表在2006年NIPS上的论文。(A new bottom-up visual saliency model, Graph-Based Visual Saliency (GBVS), is proposed. It consists of two steps: first forming activation maps on certain feature channels, and then nor
Retinex综合
- 视频处理检测物体 图像处理改进去雾效果更加显著。。。。。。(Video processing to detect objects)
频数分布和相关性分析
- 一次用R语言处理所有变量的相关性，可选spermnan或pearson，有显著性 用R语言对数据分段进行频数和频率统计(R language is used to deal with the correlation of all variables at the same time, and spermnan or Pearson can be selected. Frequency and frequency statistics of data segmentation using R
m_ktubianjianyan
- Mall-Kendall以气候、下垫面一致为前提，要求序列随机独立且同分布，用于突变点的识别。 UFk为一条随k变化的曲线，当n增加时，UFk很快趋于标准正态分布。 假设H0成立。给定显著性水平α，查算正态分布表得。当|UFk|＜时，接受原假设，即趋势不显著；反之，拒绝原假设，即趋势显著。 在坐标轴上绘制两条曲线，若相交，则交点为突变点。这就是Mall-Kendall法。(Mall-Kendall to climate and underlying surface consistent i
co_saliency_co_segmentation
- 这是这篇文章的代码 “范满梦，洪亮丽，广慧柳，King Ngi Ngan，“基于最短路径算法和显著性模型对象分割，”IEEE多媒体，卷，5号，页1429 - 1441, 2012。” 我们的目标是段常见物体从一组图像中使用的最短路径算法。 这是一个初步的版本，所以如果你发现一个bug，联系洪亮丽 hlli@uestc.edu.cn。 %参考 如果使用此代码，请参阅： “范满梦，洪亮丽，广慧柳，King Ngi Ngan，“基于最短路径算法和显著性模型对象分割，”IEEE多媒体，
后期
- 显著性增强FT算法，还是一个比较好使的算法(It does work, no matter what you do)
55953tbd算法动态规划实现
- 复杂环境中的微弱目标（如隐身飞机、被地/海/城市杂波淹没的目标等）探测 问题是现代雷达面临的严峻挑战。 与传统的先检测后跟踪（ DBT） 技术相比， 检 测前跟踪（TBD）技术是一种新兴的先进信号处理技术，它通过多帧回波数据积 累和联合处理，可以显著提高雷达的微弱目标检测跟踪性能， 是国际雷达界研究 的前沿热点。 TBD 作为一项正在发展中的新技术，还需要解决一些新的技术问题， 例如， 多目标跟踪维数灾难、临近目标相互干扰等，以及处理难度增加和运算量 增大带来的新问题。(The de
大规模MIMO无线通信关键技术
- 基于大规模MIMO 基本架构，探讨了信道建模和系统性能分析、信道状态信 息获取技术、多用户上下行无线传输技术等大规模MIMO 传输关键技术；认为利用 大规模阵列天线的多用户多输入多输出（MIMO）传输，将显著提升无线通信系统的 频谱效率及功率效率。(Based on the basic architecture of large-scale MIMO, channel modeling, system performance analysis and channel state infor
大规模MIMO系统研究进展
- 随着无线通信技术的快速发展和智能手机的迅速普及，人们对数据传输速率提出了更高的需 求。为进一步提高数据传输速率，通过增加基站天线数目构建大规模ＭＩＭＯ系统，是一种高效而相对 便捷的方式。大规模ＭＩＭＯ系统能深度发掘空间维的自由度，使得基站能够利用同一时频资源服务于 多个用户。本文探讨了大规模ＭＩＭＯ系统的导频污染问题及解决方案、适用于大规模ＭＩＭＯ系统的 信道模型以及低复杂度的传输技术与实现方法三项关键技术。与现有ＭＩＭＯ系统相比，大规模ＭＩＭＯ 系统能显著提高频谱效率、能量效率和系统
BAS代码
- 天牛须搜索( beetle antennae search，BAS) 算法是2017 年提出的一种基于天牛觅食原理的适用于多目标函数优化的新技术，其生物原理为: 当天牛觅食时，其并不知道食物在哪里，而是根据食物气味的强弱来觅食。天牛有两只长触角，如果左边触角收到的气味强度比右边大，那下一步天牛就会向左边飞，反之则向右飞。依据这一简单原理天牛就可以有效找到食物。与遗传算法、粒子群算法等类似，BAS 不需要知道函数的具体形式以及梯度信息，就可以自动实现寻优过程，且其个体仅为一个，寻优速度显著提高。(
GBO加了改进的算法
- 利用柯西、高斯、莱维三种突变策略改进GBO算法，通过测试结果表明，改进的算法有了显著性的提高。(Three mutation strategies of Cauchy, Gauss and Levy are used to improve the GBO algorithm, and the test results show that the improved algorithm has a significant improvement.)