搜索资源列表
hopfild1
- Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元
关键路径
- (1)输入E条弧<j,k>,建立AOE-网的存储结构 (2)从源点v出发,令ve[0]=0,按拓扑排序求其余各项顶点的最早发生时间ve[i](1<=i<=n-1).如果得到的拓朴有序序列中顶点个数小于网中顶点数n,则说明网中存在环,不能求关键路径,算法终止 否则执行步骤(3)(3)从汇点v出发,令vl[n-1]=ve[n-1],按逆拓朴排序求其余各顶点的最迟发生时间vl[i](n-2>=i>=2). (4)根据各顶点的ve和vl值,求每条弧s的最早发生时间e(
车牌定位
- 车牌定位系统是进行车牌自动识别的重要一部分能正确的获得整个图象的车牌部分 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j= Pi
车牌定位
- 车牌定位 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图
CardTest1
- 游戏说明： 牌的大小顺序： 大王，小王,A,K,Q,j,9,8,7,6,5,4,3,2 出牌规则： 每次只能出一张牌，每局开始时随机由其中一人先出牌，以后由上一次赢的玩家出牌。首家可以出任意一张牌。首家出牌后，下家所出的牌的花色要与首家的相同，大小不限。如确实没有花色相同的牌，则可以出其它的牌。 胜负判定： 当每人都出了一张牌后，如果花色相同，则比较两张牌的大小，牌大的赢.如果花色不同，则先出牌的赢。最后经过统计赢的次数最多的 玩家最终赢得比赛。 The rules is following:
2003010296_大作业1
- a CRect rc(x - 12, y - 12, x + 12, y + 12) pDC->Ellipse(&rc) str1.Format( \"%d\",j ) pDC->SetTextColor(RGB(255,0,0)) pDC->DrawText(str1,&rc,DT_CENTER DT_VCENTER DT_SINGLELINE) PaintArrow(pDC,RGB(255,0,0),G.vexs[prev[j]].x,G.vexs[p
ghmm470
- 对具有随机噪声的二阶系统的模型辨识，进行标幺化以后系统的参考模型差分方程为： y(k)=a1*y(k-1)+a2*y(k-2)+b*u(k-1)+s(k) 式中，a1=0.3366,a2=0.6634,b=0.68,s(k)为随机噪声。由于神经网络的输出最大为1，所以，被辨识的系统应先标幺化，这里标幺化系数为5。采用正向建模(并联辨识)结构，神经网络选用3-9-9-1型，即输入层i，隐层j包括2级，输出层k的节点个数分别为3、9、9、1个；由于神经网络的最大输出为1，因此在辨识前应对原系统参考模
动态规划----矩阵连乘问题
- 动态规划----矩阵连乘问题 动态规划法是解决问题的一种方法。它不规定为了得到结果需如何将问题划分为子问题的固定方法，而是按不同输入给出问题的具体实例的子问题划分方法，然后再进行运算、解答问题。 矩阵连乘问题的主要思想如下： 1）设置大小为连乘个数的方阵 2）主对角线上方各元素Di,j(i<j)表示矩阵Mi连乘到Mj的最小工作量 3）下方元素Di,j(i>j)记录获得该最小工作量矩阵分组的第一组的最后一个矩阵的序列号 最后通过下方元素可知最终结果的分组方式。-dynamic prog
跳水动作
- 试验内容： 跳水比赛中运动员每完成一个跳水动作，都有J名裁判员为其打分，但每次总成绩中都要去掉一个最高分和一个最低分。每个运动员需要完成C个动作，每次动作结束都要按当前总成绩为全部运动员重新排序，结果在运动员出场比赛时显示出来。设总共有N个运动员参加比赛，其编号为1，2，… N。 编一个程序实现这一功能。 要求： 1、 建立一个*head为头结点的单链表 2、 以动作C为主循环，对每个动作输入每个运动员所有裁判打分。输入每个 运动员的所有打分后，立即对单链表按sum域(累计分)从小到大重新排序
语法分析之左递归实验
- 此为编译原理实验报告 学习消除文法左递规算法，了解消除文法左递规在语法分析中的作用 内含 设计算法 目的 源码 等等.... 算法:消除左递归算法为: （1）把文法G的所有非终结符按任一种顺序排列成P1,P2,…Pn 按此顺序执行 （2）FOR i:=1 TO n DO BEGIN FOR j:=1 DO 把形如Pi→Pjγ的规则改写成 Pi→δ1γ δ2γ … δkγ。其中Pj→δ1 δ2 … δk是关于Pj的所有规则； 消除关于Pi规则的直接左递归性 END （3）化简由（2）所得的文法。即
魔方阵的问题求解
- #include"stdio.h" #include"stdlib.h" int main() { int i ,j,a[100][100],n,k,flag=1; while(scanf("%d",&n)!=EOF&&(n%2!=0)) { for(i=0;i<n;i++) for(j=0;j<n;j++) a[i][j]=0; j=n/2; a[0][j]=1; i=0
MAIN 3-DIMENSIONAL CFD-PROGRAM
- #//u(i,j) x方向的速度u;或者θ方向速度uθ #//u(i,j) y方向的速度v;或者径向速度ur'h\K #//pc(i,j) 压力修正 p'[OS #//p(i,j) 压力p-=5-+ #//p(i,j)
车牌定位
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本
用bandelet进行图像分割的matlab代码
- A Matlab Tour of Second Generation Bandelets 附有每部分代码的说明 function x = perform haar transform(x, dir); x = x(:); % to be sure we have a column vector J = floor( log2(length(x)) ); % number of scales if dir==1 % forward transform for j=1:J c = x(
最长公共子序列
- 最长公共子序列： 序列Z=是序列X=的子序列，相应的递增下标序列为。 一般地，给定一个序列X=，则另一个序列Z=是X的子序列，是指存在一个严格递增的下标序列〈i1,i2,…,ik〉使得对于所有j=1,2,…,k使Z中第j个元素zj与X中第ij个元素相同。 给定2个序列X和Y，当另一序列Z既是X的子序列又是Y的子序列时，称Z是序列X和Y的公共子序列。 你的任务是：给定2个序列X、Y，求X和Y的最长公共子序列Z。
测试PSO算法的新的组合测试函数
- Novel Composition Test Functions for Numerical Global Optimization func_test.m is the main program, a basic PSO algorithm PSO_func.m is attached. SIS_novel_func.m is the function program,including six composition functions f=SIS_novel_func(x,f
broadvoice 32
- BroadVoice?is a family of speech coding algorithms created by Broadcom and standardized by CableLabs? SCTE? and ANSI for Voice over IP applications in cable telephony. BroadVoice is also part of the ITU-T Recommendations J.161 and J.361. To encourage
LPC213x例程 for IAR
- 代码包括NXP LPC213x系列ARM7的各个外围模块(Rtc,Timer,Uart,Vic,以及LCD接口)例程，编译环境是IAR V5.2，能方便的使用J-Link仿真调试。大家可以在此基础上修改代码，移植到自己的系统中，提高效率。
区域生长Threshoid为分割阈值
- %Threshoid为分割阈值 [filename,pathname]=... uigetfile({'*.*';'*.bmp';'*.tif';'*.png'},'select picture'); %选择图片路径 str=[pathname filename]; %合成路径+文件名 I=imread(str); I=double(I); [m,n,k]=size(I);%图像大小 Threshold=50/255.0;%归一化，并设置阈值为50 ColorRed=
矩阵的压缩存储(对称矩阵,三角矩阵,稀疏矩阵)
- 矩阵的压缩存储 问题描述：矩阵是许多科学与工程计算问题中出现的数学对象。在此，我们感兴趣的不是矩阵本身，我们所关心的是研究表示矩阵的方法，以使对矩阵的各种运算能有效地完成。一个矩阵一般由m行和n列元素组成，一般的m*n阶矩阵，可表示成一个m*n的二维数组，例如matrix[m][n]，需要的存储空间是m*n 实现要求： 若矩阵中的元素是对称的，即矩阵中第i行第j列与第j行第i列元素的值相等，即matrix[i][j]＝matrix[j][i]，我们把这种矩阵称为对称矩阵。对于n*n阶对称矩阵，我