搜索资源列表
高斯八皇后
- 一个小小的编程实验程序,高斯入皇后门问题,算法与程序代码-a little programming experimental procedure, Gaussian-Queen's Gate, algorithms and code
Visitor
- 设计模式——访问者模式 Visitor模式允许我们在不改动原有结构的基础之上不断增加新的功能。 ICumulation接口定义了方法Cumulate()，旨在计算1＋2＋……＋n，有两种不同的实现方法，一个是一般的叠加算法GeneralArithmetic，一个是高斯算法GaoSiArithmetic。 因为某种原因，系统需要添加求平均值的功能，还有计算1到n的平方和。 按照一般的思路，我们需要在ICumulation中定义两个方法分别计算平均值和平方和，并在实现类中同
blindimagerecover
- 提出一种新的算法：逆主元法，利用高斯点扩展函数的特性，在径向基神经网络的模型下，对图像进行盲目复原。-a new algorithm : inverse main element method using Gaussian point spread function of the characteristics the RBF neural network model, the image blind rehabilitation.
watermarkt1
- 基于小波零树特性的视觉感知度模型的优化方案, 给出了两种水印算法: 一种算法嵌入的是高斯序列水印, 通过相关检测实现盲检测 另一种算法嵌入的是二值图像水印, 水印的提取是非盲提取。这两种算法在所有重要小波系数( 包括最低频系数) 中嵌入水印, 以达到最大化水印嵌入量的目的, 并结合感知度模型在水印的透明性和鲁棒性之间实现了较好的平衡, 对于常见的图像处理操作, 特别是对于JPEG 和小波压缩均有较好的鲁棒性。-based on wavelet zerotree visual perception
8huanghou
- 八皇后问题是一个古老而著名的问题。这个问题是十九世纪著名的数学家高斯1850年提出：在8X8格的国际象棋上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问有多少种摆法。高斯认为有76种方案。1854年在柏林的象棋杂志上不同的作者发表了40种不同的解，后来有人用图论的方法解出92种结果。例如: 0 0 0 0 0 0 0
ULA
- 已知：信号中心波长为2,天线阵元的间距为1米,快拍数为2000，空中有四个 源信号,假设它们的频率 四个源信号的方向分别为： 求： 1）在不加入噪声的情况下,观察并计算协方差矩阵特征值,并对它的特点 加以说明 2）分别采用MUSIC算法,CAPON算法, ESPRIT算法在下面四种情况下，对 上述四个信号源的波达方向进行估计,并画出它们的空间谱图； ①在不加入噪声的情况下, ②在加入高斯白噪声的情况下,假设信噪比为10dB 3）在信噪比变化范围
The-Laplacian-Pyramid
- 拉普拉斯金字塔与高斯金字塔相关论文三篇 其中英文1篇，中文论文2篇。英文论文中给出了算法设计的详细过程。-Laplacian pyramid, Gaussian pyramid with three papers related to the English one, Chinese paper 2. English paper gives a detailed algorithm design process.
aaaa
- 基于生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫 优化算法处理动态多目标优化问题.算法设计中,依据自适应ζ邻域及抗体所处位置设计抗体的亲和力,基于Pa- reto控制的概念,利用分层选择确定参与进化的抗体,经由克隆扩张及自适应高斯变异,提高群体的平均亲和力,利 用免疫记忆、动态维持和Average linkage聚类方法,设计环境识别规则和记忆池,借助3种不同类型的动态多目标 测试问题,通过与出众的动态环境优化算法比较,数值实验表明所
levmar[1]
- 最小二乘算法比较经典的著述，可以看一下，对学习LM，高斯牛顿法很有启示-Comparison of classical writings least squares algorithm, can look
modelbasedonspectrumprediction
- 文章展示了基于高斯混合模型的语音频谱预测方法。频谱预测可能在传包过程中预防丢包这方面起到大作用。期望最大化算法用两倍或三倍的连续语音因素来测试模型。模型被用来设计第一，儿等指令预测量。预测表用频谱分配状态来估计并和一个简单的参考模型对比。最好的预测表得到一个平均频率扭曲值是0.46dB小于参考模型-This paper presents methods for speech spectrum prediction based on Gaussian mixture models. Spec
matrix
- 可以用于电力系统节点电压计算，矩阵求逆等方法，非高斯算法-Node voltage power systems can be used for calculation, matrix inversion
Background-Extract
- 介绍了背景的提取与自适应更新的算法,提出了一种基于直方图统计与多帧平均混合的算法。 这种算法克服单纯的多帧图像在车流量多、车速低时出现拖尾和模糊的现象,且相对于混合高斯模 型,其计算复杂度较低。该算法已通过TIDM642 DSP硬件平台实现,实验图像结果表明,该背景提 取算法的速度快,且符合实际场景 -The paper introducesbackground extractionswith self-adaptive update algorithm and puts for
GS
- 基于混合高斯模型的算法，我们可以利用该算法提取前景，检测背景！-Gaussian mixture model-based algorithm, we can take advantage of the the algorithm extracted prospects, detect background!
Kmeans-java
- K均值算法java实现，最简单的聚类算法，适合高斯聚类-K-means algorithm to achieve the java
batterworth-high-low
- 这个压缩包中包含了巴特沃斯滤波算法的高通和低通两款代码，同时还有几篇巴特沃斯算法的文章，记录了关于巴特沃斯算法的一些应用领域。-This compressed package contains the code of two of the high-pass and low-pass Butterworth filter algorithm, at the same time, there are few Butterworth algorithm articles recorded Butte
Gauss_Seidel-Algorithm
- 高斯赛尔德算法，迭代求解线性矩阵，包含完整C代码-Gauss_Seidel Algorithm
The-moving-target--
- 研究了基于混合高斯模型的运动目标检测技术,在分析了混合高斯模型的基本原理的基础上,使用了一种 改进的混合高斯模型更新算法 -Studied based on Gaussian mixture model of moving target detection technology, the analysis of the basic principles of Gaussian mixture model based on the use of an improved algorithm
NumExamplePF
- 粒子滤波算法的简单例子，适用于非线性、非高斯过程的滤波。-A simple example of particle filter algorithm for nonlinear and non-Gaussian process filtering.
1
- 高斯算法和列主元消去法，对于解决多元方程组有着很大的帮助-Gaussian elimination algorithm and the main element method for solving multiple equations of great help
GMPHD
- 针对扩展目标的高斯混合PHD滤波算法的论文-presents a Gaussian-mixture implementation of the PHD filter for tracking extended targets