搜索资源列表
GML_Study
- GML方面的学术论文，对于WebGIS开发有参考价值。包括：GML_地理标记语言特征与分析、GML30及其在空间数据共享和互操作中的应用、GML30应用模式的开发及应用研究、GML30在空间数据建模中的应用-GML the academic paper for the development of WebGIS reference value. Include : GML_ Geography Markup Language features and analysis, GML30 in spa
Nonlineardimensionalityreductionandmanifoldlearnin
- 介绍如何在特征空间减少特征数的很好的方法-on how to reduce the space of a few characteristics of a good way
Harris尺度不变性关键点检测子的研究
- ：在特定的参数设置下Harris尺度不变性检测子不能提供足够数目的稳定关键点，以往研究据此断定 Harris尺度不变性检测子不稳定，不是有效的特征检测子．在构造Harris角点值的尺度空间过程中，存在一系列参 数影响着Harris角点值在尺度空间中极值点的数目，从而决定了Harris尺度不变性检测子所能获取的稳定关键 点的数目．对这个参数空间进行了系统研究，发现积分尺度与微分尺度的比值对Harris尺度不变性检测子能否检 测到足够数目的稳定关键点具有决定性的影响．
一种基于图像显著特征点的检索算法
- 摘要提出一种基于图像显著特征点的检索算法．首先给出一种具有一定自适应能力的显著特征点的提取算 法，即采用改进的图像的块逆概率差模型来提取原图像的块逆概率差图像(DBIP图像)．在此基础上，根据BDIP图 像中像素的分布特点来提取图像的显著特征点．然后以它们为线索，把图像的形状特征和空间颜色分布特征有机 结合起来进行检索．该算法不仅克服利用兴趣点检索时的缺点，而且降低传统显著点提取算法的复杂度，又包含一 定的形状信息，具有较好的检索效率．实验结果表明，该算法是有效的． 关键词基于内容的图
LJClusterDemo
- 文本聚类是基于相似性算法的自动聚类技术，自动对大量无类别的文档进行归类，把内容相近的文档归为一类，并自动为该类生成特征主题词。适用于自动生成热点*专题、重大新闻事件追踪、情报的可视化分析等诸多应用。 灵玖Lingjoin（www.lingjoin.com）基于核心特征发现技术，突破了传统聚类方法空间消耗大，处理时间长的瓶颈；不仅聚类速度快，而且准确率高，内存消耗小，特别适合于超大规模的语料聚类和短文本的语料聚类。 灵玖文档聚类组件的主要特色在于： 1、速度快：可以处理海量规模
Fisher
- Fisher线性判别准则将特征空间进行降维，降维的一个基本思路是将d维特征空间投影到一条直线上，形成一维空间-Fisher
KMM
- 针对传统快速k-近邻分类算法的缺陷,提出了一种基于近邻搜索的快速k-近邻分类算法———超球搜 索法。该方法通过对特征空间的预组织,使分类在以待分样本为中心的超球内进行,有效地缩小了搜索范围。 -Rapid response to traditional k-neighbors of the defect classification algorithm, a fast search based on neighbor k-neighbor classification algorithm
s3c2440
- BOotloader U_Boot功能齐全、应用广泛但移植到ARM微处理器s3C2440A上相对比较复杂．简介了常见的BOot— loader，归纳了U-BOot的主要特征，分析了其运行过程，介绍了系统存储空间分布和基于S3c2440A微处理器为核心自主开发 的嵌入式系统板硬件资源配置，给出了U．Boot在嵌入式系统板上的移植方法、移植过程和移植要点．-】300tloader U—Boot has enough functions and comprehensive applicatio
fcm
- 假设已经获得不同目标类型的一组特征值，这是可以通过模糊聚类获取哥哥目标类型在特征空间商的聚类中心，当测量到某个目标的特征值，可以通过计算目标特征为止与各个聚类中心之间的距离来判定目标的类型。-matlab fcm
PCA
- 提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上 进行特征提取，每一个主分量都是原始变量的线性组合-Is proposed based on Principal Component Analysis and Measure of blending fast clustering method. Principal component space by constructing a high-dimensional data onto two p
DEVELOPMENTANDRESEARCHOFENGINEERING
- 本文叙述了工程图学练习与考试系统的设计及系统应实现的功能，从 太原理工大学硕士研究生学位论文 试题库、数据库设计、操作过程等方面阐述了设计过程中所遇到并解决的 关键问题。工程图学练习与考试系统是为了适应计算机绘图课程的教学， 适应画法几何及机械制图教学及计算机绘图考试而开发的，要求本系统不 仅能考查学生对工程图学的学习情况，还能考查学生动手绘图的能力和掌 握计算机绘图基本知识的情况，本系统要求在网络环境下，学生可以进行 在线练习与考试，教师可以对考试过程及题库进行管理
SpaceCorrelationinMIMOSystems
- 基于宏小区及微小区MIMO信道模型，比较了MIMO信道在两种传输环境中的空间相关特性，通过数值分 析方法得到了两类信道空间相关性随发送端、接收端天线阵列的分布而变化的特征曲线，并分析比较了信道参数， 即到达角的角度扩展，对空间相关性的影响。-The space correlation is analyzed in different propagation conditions including the MIMO macro-cell and micro-cell applica
Eigenspace-beamforming-based-on-SVD
- 针对特征空间波束合成器,采用对数据矩阵进行奇异值分解,利用奇异值和奇异值矢量计算最优权矢量,完成波束合成-Feature space beam synthesizer, using the singular value decomposition of the data matrix, singular values and singular value vector to calculate the optimal weight vector, and compl
Mean-Shift-Segmentation-Method
- Mean Shift算法的基本原理，着重研究了Mean Shift的迭代过程和收敛性以及特征空间的结构。通过Mean Shift结构分析，本章提出了一种快速区域合并算法并将其应用于改进的Mean Shift图像分割算法。-The basic principle of the Mean Shift algorithm, focusing on the Mean Shift iteration process and convergence and the structure of the feat
基于核函数主元分析的机械故障诊断方法
- 提出基于核函数主元分析的机械故障诊断方法, 它保留主元分析的优点并具有处理非线性的能力。该方法通过核函数映射将非线性问题转换成高维的线性特征空间, 然后对高维空间中的映射数据作主元分析,提取其非线性特征, 对机械故障模式进行识别。并与主元分析方法进行对比分析, 实验结果表明核函数主元分析法非常有效。-Proposed mechanical fault diagnosis method based on Kernel Principal Component Analysis, it retains
ESB
- 一种改进的基于特征空间(ESB)自适应波束形成算法-An improved feature space-based (ESB) adaptive beamforming algorithms
PC
- 特征空间自适应波束形成器，主分量方法波束形成器-eigen space responsive beamformer, Principal Component beamformer
zijichangshimbianyige
- 以多光谱数据为原始数据，通过空间变换、滤波、融合、纹理及图像处理等手段，提取遥感图像多维、多尺度特征，最终建立面向目标检测、识别和分析的特征空间，并使用NASA的实测数据对方法的性能进行验证和分析。-Multi-spectral data to the original data, through space conversion, filtering tools, integration, texture and image processing, remote sensing images
DMR_beam_algorithm
- 完成DMR特征空间波束形成器以及MPDR特征空间波束形成器的matlab算法。-Spatial completed DMR beamformer and MPDR feature space beamformer matlab algorithm.
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码