搜索资源列表
fulltext2
- 利用自适应网格和B样条差值法实现图像配准，全英文版-The use of adaptive grid and B-spline difference method to achieve image registration, full English
tuxiangshibie
- 用帧差分可以检测场景变化，一个简单帧差分可通过计算两个连续帧的象素获得。对帧内每个象素点（x,y），T时刻与T－1时刻象素值之差为Dx,y(T)=||Sx,y(T) – Sx,y(T-1)||。设定内帧差分系数IDsum=ΣL , IF ||Sx,y(T) – Sx,y(T-1)||≥Ta THEN L=TRUE，实际决定是否报警,可以通过计算三帧以上IDsum数量-Frame difference can be detected with the scene changes, a simple
shipinjiance
- 由于光线的影响,两帧图象中的物体无运动,但灰度稍微有变化,这种情况也会影响检测的准确度,所以对两帧图象的象素点进行比较时,可以让它们相减的差值和某个小的数值比较,而不一定就是和0值比较-As the effect of light, two images of an object without moving, but the gray has changed slightly, this will also affect the accuracy of detection, so the tw
AD7799PDF
- AD7799/AD7798 特性： RMS 噪声（有效值噪声）： 在 4.13HZ 转换率下紧为 27nV(AD7799). 在 16.7HZ 转换率下为 65Nv. · 低 功 耗 ，典型为 300uA · 内 置 1 一 128 增益的低噪声可编程仪表放大器 · 内 置 时 钟振荡器，省去了外接晶振 · 低 非 线 性度:0.0015 · 内 设 自 校准电路 · 带 有 SPI 数据接口，可以方便地与 DPS 或者 MCU 连接 · 50 H
MAX
- 用函数实现排序找最大值求方差.用C语言编写的-Achieve the sort function to find the maximum value with the variance. Using C language
Multi-criteria
- 针对具有语言评价信息、准则权系数部分已知的多准则决策问题, 提出一种基于前景理论及云模型的决策 方法. 首先, 通过给出一种改进的云模型生成方法将语言评价值转化为云模型 然后, 通过定义云模型距离和可能度 给出云前景价值, 并以其他备选方案为动态参考点, 构建云前景决策矩阵 最后, 在依据离差最大化得出最优权系数的基础上, 通过各方案综合前景值对其进行排序. 算例验证了所提出方法的合理性和可靠性.-For the risky multi-criteria decision-making
high-order-Newton-type-methods
- 针对具有语言评价信息、准则权系数部分已知的多准则决策问题, 提出一种基于前景理论及云模型的决策 方法. 首先, 通过给出一种改进的云模型生成方法将语言评价值转化为云模型 然后, 通过定义云模型距离和可能度 给出云前景价值, 并以其他备选方案为动态参考点, 构建云前景决策矩阵 最后, 在依据离差最大化得出最优权系数的基础上, 通过各方案综合前景值对其进行排序. 算例验证了所提出方法的合理性和可靠性.-For with linguistic assessment information on