搜索资源列表
CasaMP
- 压缩采样匹配追踪(CompressiveSampling MP)是D. Needell继ROMP之后提出的又一个具有较大影响力的重构算法。CoSaMP也是对OMP的一种改进,每次迭代选择多个原子,除了原子的选择标准之外,它有一点不同于ROMP:ROMP每次迭代已经选择的原子会一直保留,而CoSaMP每次迭代选择的原子在下次迭代中可能会被抛弃。(CompressiveSampling MP is another influential reconstruction algorithm propos
PID-软件库使用手册
- 在过程控制中,按偏差的比例(P)、积分(I)和微分(D)进行控制的PID控制器(亦称PID调节器)是应用最为广泛的一种自动控制器。(In the process control, the PID controller (also called the PID regulator), which is controlled by the proportion of deviations (P), integral (I) and differential (D), is the most wide
music
- MUSIC 算法MATLAB仿真源代码 clc clear all format long %将数据显示为长整型科学计数 N=200;%快拍数 doa=[20 60]/180*pi; %信号到达角 w=[pi/4 pi/3]';%信号频率 M=10;%阵元数 P=length(w); %信号个数 lambda=150;%波长 d=lambda/2;%阵元间距 snr=20;%信噪比 B=zeros(P,M); %创建一个P行M列的0矩阵 for k=1:P B
基于SIFT算法的图像特征点提取与匹配
- 文章深入研究了 SIFT 特征点提取的原理及过程,以基于 K-D 树结构的近邻算 法对呈线性变换的两幅图像在不同视角和噪声干扰情况下进行了特征点的粗匹 配,并通过随机抽样一致性算法(Random Sample Consensus)进行特征点的提纯,删 除例如错误的匹配特征点对。针对粗匹配后误匹配点对较多导致的 RANSAC 算法 效率降低、运算时间变长的情况,论文以视差梯度约束对粗匹配点对进行预筛选, 提升了 RANSAC 算法的效率。根据匹配点对空间位置关系得出图像之间的变换模 型;最后将图像
SOGFS_aaai16
- Structured Optimal Graph Feature Selection 对图像样本进行特征选择,使用自学习算法,然后得出相似度矩阵S(% Input % X: dim*num data matrix % gamma: coefficient of L21 % d: projection dim of W(dim*d) % c: number of clusters % k: nearest neighobrs %Output %id: sorted featu
matlab程序实现遥感影像中的道路提取算法
- 该程序可实现遥感影像的道路特征提取,编程平台为matlab,亲测好用(The program can extract road features from remote sensing images, and the programming platform is matlab.)
A-NSGA-III
- 新版改进NSGA算法A-NSGA-III,用于软件仿真平台对比于MOEA/D,PSO等多种算法。(The new version of improved NSGA algorithm a-nsga-iii is used for software simulation platform comparison with MOEA/D,PSO and other algorithms.)
面阵二维角度估计 Unitary -ESPRIT算法MATLAB程序
- 基于面阵的二维DOA估计MUSIC算法,可以估计仰俯角(The 2-D DOA estimation MUSIC algorithm based on the array can estimate the pitch angle)
wk10
- 波数域算法又称为距离徙动算法(Range Migration Algorithm,RMA)或-算法,由Cafforio等提出。该算法分析距离处理后信号的二维频谱,通过二维频域匹配滤波进行相位补偿,在完成方位聚焦的同时完全校正距离徙动。由于其中的Stolt变换能克服SAR信号中距离徙动和SRC对斜距的依赖,因此波数域算法是一种理想的成像算法,尤其在处理大斜视角和长合成孔径的SAR数据时。但Stolt变换需要插值,降低了处理效率并引入额外的误差。(The wavenumber domain Algo
MOEA-D-DE
- 基于分解的多目标进化优化算法,在2007年提出的,是另外一种求解多目标优化问题流行的算法。常用(The decomposition-based multi-objective evolutionary optimization algorithm, proposed in 2007, is another popular algorithm for solving multi-objective optimization problems.The commonly used)
MOEAD_
- 多目标优化算法,首先运用切比雪夫算法分解,然后通过进化算法求解(The multi-objective optimization algorithm,which first solved by Chebyshev algorithm and then solved by evolutionary algorithm.)
人工智能算法演示(演示程序+源代码)
- 使用说明: Windows下的程序直接双击即可,Linux下的程序,首先将“加完权限后请运行我!.sh”添加可执行的权限,然后运行之。 操作说明: [w]健:上 [s]健:下 [a]健:左 [d]健:右 已测试的运行环境: WindowsXP、Windows8、Ubuntu12.10 开发环境: Ubuntu12.10 + g++4.7.2 + Qt4.8.1 + QtCreator2.6/QtCreator2.
dstar
- D*lite算法的C++实现,已经在ubuntu linux下面测试通过!(C++ Implementation of D*lite Algorithms)
MOEAD-M2M_Matlab
- matlab实现moead-M2M算法,基于角度的多目标算法(Implementation of moead-M2M algorithm in MATLAB)
som算法
- 机器学习中的som算法,用来聚类分析的,代码中 :param X: 形状是N*D, 输入样本有N个,每个D维 :param output: (n,m)一个元组,为输出层的形状是一个n*m的二维矩阵 :param iteration:迭代次数 :param batch_size:每次迭代时的样本数量 初始化一个权值矩阵,形状为D*(n*m),即有n*m权值向量,每个D维
D_star_PathPlanning-master
- D-star路径规划算法,部分matlab程序(D-star path planning algorithm, part of MATLAB program)
信息时代的电子战
- D.C.施莱赫先生所著的《信息时代的电子战》一书,包括电子版原文(MLF格式,需要从网上下载MLFViewer阅读器),以及原书附带的程序集,对于从事雷达电子战领域研究的技术人员有着非常高得参考价值。(D. C. Schleich's Book, Electronic Warfare in the information age, has a very high reference value for the technical personnel engaged in the field of
NSGAII-and-MOEA-D-master
- NSGA2和MOEAD多目标进化算法,包含测试程序(NSGA2 and MOEAD multi-objective evolutionary algorithm, including test program)
L2_1
- 编写一个名为Perce的函数,用它来实现感知器算法。 函数的输入/输出有: (a)一个N*d维的矩阵X,它的第i行是第i个数据向量; (b)一个N维列向量y,y的第i个元素包含了类(-1,1),并且该类与相应的向量相互对应; (c)用向量w_ini初始化参数向量;并且返回估计参数向量; 假设函数最大迭代次数为10000。(Write a function called Perce to implement perceptron algorithm. The input / out
2
- (a)产生两个都具有200个二维向量的数据集和(注意:在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0(或任意给定数值),这对结果的可重复性很重要)。向量的前半部分来自均值向量的正态分布,并且协方差矩阵。向量的后半部分来自均值向量的正态分布,并且协方差矩阵。其中是一个2*2的单位矩阵。 (b)在上述数据集上运用感知器算法,并且使用不同的初始向量初始化参数向量。 (c)测试每一次算法在和上的性能。 (d)画出数据集和,以及分类面。((a) Generate