搜索资源列表
200532136211125
- uml善的客户管理是公司健康运作的一个重要标志。然而，完善的客户管理需要公司许多的资源，如何简化管理而不失其完整、科学是许多公司头痛的问题。秉承“为中小企业服务”的宗旨，潜心研究开发了《客户管理专家PCMExpert》，有效的解决了简单易用和功能强大的矛盾，完美的结合WORD、EXCEL、ACCESS软件，保护用户的投资，做到半小时可以用顺手。并且，结合中国公司的实际情况，将客户管理和项目管理融合管理，真正体现优化公司资源的目的。统计功能使用拖放字段的方式即可实现不同的统-uml good cu
GSM-network-optimization
- 本书是专门介绍GSM网络优化原理和工程实践的图书。全书共14章，首先介绍了GSM系统结构和无线通信基础、GSM网络规划、网络信令和协议，详细分析了GSM系统中的各种通信事件、通信流程及GSM小区中的参数调整；然后讲述了双频网络优化、网络优化中的统计和网络优化测试，并结合实际情况，详细讲解了GSM基站延伸系统优化、GSM网络日常优化和专项优化；最后探讨了2G和3G网络融合的问题。-This book is devoted to the principles of GSM network optim
Multi-UAVs-Target-Tracking
- 多无人机（Unmanned Aerial Vehicle，UAV）协同目标跟踪在军/民用方面有 着广泛而又迫切的应用需求和重要的理论研究价值，是目前多 UAV 系统自主控制 领域的一个重要研究方向。本文以 UAV 执行对地侦察打击任务为应用背景，针对 复杂环境中多 UAV 协作式跟踪地面移动目标问题，重点围绕目标状态融合估计和 观测航迹优化两项关键内容展开研究-Multi-UAV (Unmanned Aerial Vehicle, UAV) has a broad and col
estimation-extended-Kalman-filter
- 针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题，提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点，采用可调整的算法模型对粒子群算法进行改进，将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理，将优化后的卡尔曼滤波器应用于感应电机转速估计。- Extended K
SOC-electric-power-system
- 对于电力系统的初学者特别适用,提出一种基于风险评估的配电网检修决策优化模型，有效地融合不同的检修方式，并综合考虑设备状 态及其发展、各类检修的作用、电网的运行方式等因素。-Especially suitable for beginners of electric power system
Particle-Swarm-Optimization
- 本文提出变量随机分解策略，增加关联变量分配到同组的概率，使得算法更好的保留变量间的关联性，并将合作协同进化框架融合到算法中，提出了基于大规模变量分解的多目标粒子群优化算法-In this paper, a stochastic variable decomposition strategy is proposed to increase the probability of assigning related variables to the same group, which makes th
Archetype-Hull-Ranking
- 我们设计一个新奇的规则化框架以学习相似性度量用于无约束人脸验证。我们形式化它的目标函数通过融合鲁棒性对于大规模的个人人脸的内部变化和新奇的相似性度量的辨别力。额外，我们的形式是一个凸优化问题，保证了全局最优解的存在。-we migrate such a geometric model to address face recognition and verification together through proposing a unified archetype hull rankin
yqsftx
- 在多聚焦图像的融合过程中,对源图像采用固定大小的分块会导致融合后的图像存在块效应、边缘模糊甚至聚焦错误.为了克服此问题,提出了一种新的基于人工鱼群优化分块的多聚焦图像融合方法.首先,将源图像分解成互不重叠的方法-In more focused image fusion process, the source image using fixed size block can lead to the existence of the fused images is blocking, edge bl
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