搜索资源列表
JnS-1.2(cardoso)
- cardoso的独立分量分析（ICA）的特征矩阵联合近似对角化（JADE）方法。-Cardoso independent component analysis (ICA) features similar to the joint matrix diagonalization (JADE ) method.
OpenCV_b3.1
- 一款非常不错的国外图形图像处理软件源代码包，可执行文件，需要安装。内部包含图像分层、边缘处理、二值化等算法。也包含了矩阵计算的很多算法。看后受益非浅。
此模块封装了GDI+1.1里面的Effect
- 此模块封装了GDI+1.1里面的Effect，在模块里是“GP效果类”，这个类只是一个基类，真正要使用的是它的子类，包括： “GP模糊类”、“GP锐化类”、“GP色调类”、“GP红眼修正类”、“GP颜色矩阵效果类”、“GP颜色查找表类”、“GP亮度对比度类”、“GP色相饱和亮度类” “GP色彩平衡类”、“GP色阶类”、“GP颜色曲线类” 使用步骤：(拿 GP模糊类 打比方) 1、创建一个“GP模糊类” 2、调用“GP模糊类.置参数()”方法，设置模糊参数 3、
C++程序用类来实现矩阵
- 编写C++程序完成以下功能： （1） 用类来实现矩阵，定义一个矩阵的类，属性包括： 矩阵大小，用 lines, rows（行、列来表示）； 存贮矩阵的数组指针，根据矩阵大小动态申请（new）。 （2） 矩阵类的方法包括： 构造函数，参数是矩阵大小，需要动态申请存贮矩阵的数组； 析构函数，需要释放矩阵的数组指针； 拷贝构造函数，需要申请和复制数组； 输入，可以从cin中输入矩阵元素； 输出，将矩阵格式化输出到cout； 矩阵相加的
Compresser
- 一种二值图象无损压缩算法 南京理工大学电光学院 【摘 要】利用稀疏矩阵和差分编码对二色图像进行压缩保存，在通过图像的0,1矩阵建立，矩阵一维化，差分量化编码，写文件来压缩。在电子档案存储，CAD制图信息化存储有极高的应用价值。 【关键字】计算机 二值图像 稀疏矩阵 无损压缩 编码 -A binary image lossless compression algorithm for electro-optic Nanjing University of Technology an
bp_v1_2
- -----引入动量的算法 建立一个3层（含输入层）的BP神经网络，并对其进行训练 输入层不进行数据处理，隐含层激活函数为sigmod函数，输出层为线性函数 输入输出数据归一化到[-1,1]，数据在矩阵中按行向量表示 即x=[x11,x12 x21,x22 ... xp1,xp2] y=[y1 y2 ... yp] p为样本数 -The introduction of the algorithm ----- momentum to build a three-layer (
anp
- NP是美国匹兹堡大学的T.L.Saaty 教授于1996年提出了一种适应非独立的递阶层次结构的决策方法，它是在网络分析法（AHP）基础上发展而形成的一种新的实用决策方法。其关键步骤有以下几个： 1 确定因素，并建立网络层和控制层模型。 2 创建比较矩阵。 3 按照指标类型针对每列进行规范化。 4 求出每个比较矩阵的最大特征值和对应的特征向量。 5 一致性检验。如果不满足，则调整相应的比较矩阵中的元素。 6 将各个特征向量单位化(归一化)
random
- java的一个简单练习，实现在5*5矩阵上1-25数字快速随机排列，有图形化界面。-5* 5 matrix to achieve the number of fast random order on 1-25, there is a graphical interface.
zhong
- 本文的研究背景是车牌字符识别，识别包括0-9和A-E及R，共16个字符。每个灰度图像都是由36×20个像素点组成，存储形式为36×20的矩阵。将灰度图二值化后，形成0、1矩阵。通过一些简单的图像预处理后，采用一种新的面积法进行特征提取。-This paper is the research background of license plate character recognition, identification including 0-9 and A-E and R, 16 charac
shizilianbiao
- 一、 设计要求 1．问题描述 设计程序用十字链表实现稀疏矩阵的加、乘、转置。 2．需求分析 （1）设计函数建立稀疏矩阵，初始化值。 （2）设计函数输出稀疏矩阵的值。 （3）构造函数进行两个稀疏矩阵相加，输出最终的稀疏矩阵。 （4）构造函数进行两个稀疏矩阵的相乘，输出最终的稀疏矩阵。 （5）构造函数进行稀疏矩阵的转置，并输出结果。 （6）退出系统。-A, the design requirements 1. The problem statement D
matlab
- 基于遗传算法的投影寻踪代码，提供大家下载，方便查阅-【研学堂】【代码】投影寻踪代码，请验用！！ function Qa=Project_Pursuit(X,a,Alpha) 输入参数列表 X 本指标矩阵，n×p的矩阵，每一行为一个样本， Xij表示第i行第j列指标，X是否已经归一化均可 a 投影向量，1×p的矩阵，元素取值范围-1～1，要求其元素平方和等于1 Alpha 窗口半径系数，典型取值0.1
Matlab_tsp
- TSP问题（又名：旅行商问题，货郎担问题）遗传算法通用matlab程序 D是距离矩阵，n为种群个数 参数a是中国31个城市的坐标 C为停止代数，遗传到第 C代时程序停止,C的具体取值视问题的规模和耗费的时间而定 m为适应值归一化淘汰加速指数,最好取为1,2,3,4,不宜太大 alpha为淘汰保护指数,可取为0~1之间任意小数,取1时关闭保护功能,建议取0.8~1.0之间的值 R为最短路径,Rlength为路径长度- TSP problem (also known as: traveling
ADC
- stm32驱动4X4键盘扫描，用于键盘扫描-/******************************************************************************* * File Name : KeyScan * Descr iption : Serial print out the corresponding key value *************************************************
youhua1
- 遗传算法的电机优化程序，个人专门编写的，对于初学者来说，可以借鉴-function youhua1() 遗传算法 n-- 种群规模 ger-- 迭代次数 pc--- 交叉概率 pm-- 变异概率 v-- 初始种群（规模为n） f-- 目标函数值 fit-- 适应度向量 vx-- 最优适应度值向量 vmfit-- 平均适应度值向量 clear all close all clc 清屏 tic
1
- 这是数据结构的一个C++编程。在邻接矩阵上实现带权图、不带权图的初始化，搜索、插入、删除边，宽度遍历、深度遍历。邻接矩阵用模板类实现。-This is a programming data structure C++. Achieve a weighted graph in the adjacency matrix, with no right of map initialization, search, insert, delete edge, traversing the width and
1--灰色关联度matlab源程序(完整版)
- 关联度计算的预处理，一般初值化或者均值化，本程序中使用的是比较序列与参考序列组成的矩阵除以参考序列的列均值等到的(The preprocessing of the degree of association calculation, generally initialization or averaging, in this procedure is to compare the sequence and the reference sequence of the matrix, divided
gainian
- 将一般形式背景中的矩阵进行0-1化，并进行经典概念格规则提取(Change the matrix of the general form background into 0-1, extract rules of classical concept lattice.)
map
- 室内地图的栅格化程序，用matlab完成。可以地图矩阵用0/1显示(A raster program for indoor maps)
apriori
- 经典的Apriori算法由于要多次扫描数据库，产生大量的候选项集，极大的影响了算法的时间和空间效率。为了减少数据库的扫描次数，可采用矩阵记录所需数据并放入内存中。矩阵record的每个行号对应一个商品码（即一个项），每个列号对应一个客户号（即一个事务）。倘若第j个客户买了第i个商品，则record[i][j]=1,否则record[i][j]=0. 扫描一遍数据库，将矩阵record初始化。接下来的工作，都可以通过扫描内存中的矩阵进行，不必再扫描数据库。(The classic Apriori
vel_Tikhonov
- tikhonov求解，正则化参数为0.1，应用svd分解，求解病态矩阵的解。(Tikhonov solution, regularization parameter is 0.1, using SVD decomposition to solve the ill-conditioned matrix solution.)