搜索资源列表
ProSOM
- SOM的学习规则有三个主要阶段： 1）寻找与输入模式xk最接近的连接权向量Wj*=（wj*1, wj*2,….., wj*N） 2）将该连接权向量Wj*进一步朝向与输入模式xk接近的方向调整 3）除调整连接权向量Wj*外，还调整邻域内的各个连接权向量，并随着学习次数的增加，逐渐缩小邻域范围-SOM learning rules are three main stages : 1) Find the input mode xk closest to the connection wei
touyingfangfa
- 将图像序 列中的每一帧图像分别沿水平和垂直方向进行积分投影形成两个积分投影向量,并应用基于梯度 的一维平移估计技术处理,从而精确地获取二维空间上的平移量。-image sequence of images for each frame along the horizontal and vertical direction integral projection formed two integral projection Vector and applications based on
compass
- 2D绘图程序。采用向量代数实现多边形形状的移动变换管理，可绘制任意方向-2D mapping procedures. Using vector algebra polygon shape to achieve the movement transform the management and mapping arbitrary direction
svmprob
- 一篇较好的文章，也是介绍支持向量机方向的。外文文献
matlabimagesegment
- matlab实现商标文字分割~第一部分计算列梯度差，计算每个像素的列方向一定范围内（n）最大值和最小值的差距,统计该差值超过某一设定域值T的像素的个数，并将该统计个数存在 GY 向量。，第二部分计算行梯度差，计算每个像素的行方向一定范围内（n）最大值和最小值的差距，统计该差值超过某一设定域值T的像素的个数，并存在 GX 向量
Raining
- 此程序演示了利用粒子系统实现雨景效果模拟。实现雨景模拟的粒子系统中，每个雨点粒子是一条短线，即一定长度的线段，把这条线段当做一个粒子，随着时间的推移，它根据两个顶点所决定的方向向量，按一定的速度下降，实时计算出它的具体位置，然后在这个位置上将该粒子绘制出来。具体实现过程可参照代码。-This program demonstrated the use of particle systems to achieve the effect of simulated rain King. The real
MUSIC_algorithm
- MUSIC 算法是利用接收数据的协方差矩阵(Rx)分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，进行全域搜索谱峰，从而实现信号的参数估计。-MUSIC algorithm is used to receive data covariance matrix (Rx) to isolate the signal subspace and noise subspace, using the signal direction vector and noise su
SVM_Finger
- 指纹图像的质量测量与评价,在指纹图像分割、增强及指纹匹配等环节都有重要应用. 同时,指纹图像的质量分类,对指纹识别算法的适用性研究也有重要意义. 本文提出一种基于支持向量机的指纹图像质量分类方法.该方法选择梯度、Gabor特征、方向对比度等指标,利用支持向量机有效实现指纹图像质量分类. 并采用少类样本合成过采样技术( SMOTE)降低指纹图像质量好坏的类别不平衡问题对分类的影响. 理论分析和实验结果都表明该方法能够较为有效地提高指纹图像质量分类的正确率.-Fingerprint Image Qu
Scaramuzza_OCamCalib_v2.0
- 用于对全景镜头进行标定，能求解出图像上对应点的世界坐标的方向向量-The OcamCalib Toolbox for Matlab allows the user (also inexpert users) to calibrate any central omnidirectional camera, that is, any panoramic camera having a single effective viewpoint (see section 17). The Toolbox i
openglpractice
- opengl實作 做出依照方向向量轉動視角的lookat設定以精簡單的 太陽系及機器人-opengl practice
Iris-feature-extraction-algorithm
- 基于二维小波变换和方向向量，提出一种新的虹膜特征提取方法。该方法的基本思想是考虑虹膜纹理的 灰度变化，对于多层小波分解后的低频分量，分别求其在4个方向上的方向向量，最后形成虹膜码。测试结果表明，该方法能 有效地提高虹膜的识别率，且算法简单、快速。 -The basic principle of the method is as follows.In view of iris textural intensity variation,for the low- frequency c
rotation
- 直线外一点（x1,y1,z1），围绕该直线（(x0,y0,z0)是直线上的点，(m,n,p)为直线的方向向量）旋转一个角度alpha (-π~π),得到旋转后的点坐标。-Straight outer point (x1, y1, z1), around the straight line ((x0, y0, z0) is the point on the line, (m, n, p) of the straight line direction vector) rotated at an an
openglpractice
- opengl實作做出依照方向向量轉動視角的lookat設定以精簡單的太陽系及機器人-opengl practice
biyeshejichengxu
- 曲波变换是基于小波发展起来的新型多尺度变换，由于加入了方向向量，所以比小波更加适合于图像去燥-Qu Bo transform is a new multi-scale wavelet transform based on the developed, due to the addition of the direction vector, so wavelet is more suitable for image denoising
PCA_K
- PCA的思想为将图像的协方差矩阵分解，获得分解后的方向向量。然后将数据分别投影到某一个方向上去，获得与原图象近似的图像。当然,与最大特征值所对应的特征向量方向获得最好的图像。因此，PCA方法可以作为降维的一种方法。留下在某些方向较好的图像，而抛弃那些在另外一些方向上不好的图像。-PCA ideas as to decompose the covariance matrix of the image, the direction vector obtained after decompositio
ICP-point-cloud-registration
- 三维激光点云配准是点云三维建模的关键问题之一。经典的 ICP 算法对点云初始位置要求较高且配准 效率较低，提出了一种改进的 ICP 点云配准算法。该算法首先利用主成分分析法实现点云的初始配准，获得较好 的点云初始位置，然后在经典 ICP 算法的基础上，采用 k － d tree 结构实现加速搜索，并利用方向向量夹角阈值去除 错误点对，提高算法的效率。实验表明，本算法流程在保证配准精度的前提下，显著提高了配准效率。 -Three-dimensional laser point cl
CPP
- 利用点云数据拟合圆柱本文档通过对三维点云的圆柱拟合，得到圆柱的半径、圆柱轴线单位方向向量和轴线起始位置三个主要参数。-Use of point cloud data fitting cylindrical this document through the three dimensional point cloud cylinder fitting, get the radius of the cylinder, cylinder axis unit axis direction vector
line-plane-intersection
- 求空间直线与平面的交点 已知直线L过点m（m1，m2，m3），且方向向量为VL（v1，v2，v3）， 平面P过点n（n1，n2，n3），且法线方向向量为VP（vp1，vp2，vp3），求得直线与平面的交点O的坐标（x，y，z）(Find the intersection of space, line and plane the line L is known to be over M (M1, M2, m3), and the direction vector is VL (V1
libsvm_library
- 支持向量机是继神经网络之后又一研究深度学习的新方向，它的泛化能力比神经网络强很多(Support vector machine (SVM) is a new direction of deep learning after neural network. Its generalization ability is much better than that of neural network)
CGMM波束形成
- 基于多通道声传感阵列的CGMM波束形成，时频掩码技术对声源分离，根据高斯混合模型求解指向目标方向的向量。相对于过去基于DOA估计的声源分离，CGMM形成波束指向的方向向量不再依赖于DOA结果,而是根据观测到的信号自主决定。