搜索资源列表
MahalanobisDistanceDiscrimination
- 马氏距离判别(MahalanobisDistanceDiscrimination)的演示过程,求均值向量,协方差矩阵及线形判别函数-Mahalanobis distance criterion (MahalanobisDistanceDiscrimina tion) demonstration process for the mean and covariance matrix and linear discriminant function
disteusq
- 欧矢距离测度常用函数，希望对做信号处理人员有用
3DPieChart
- 本文的想法就是创建一个独立的能够用于绘制立体三维饼状图的类库。首先，它看起来非常简单，因为，在Graphics 类中已经有了一个叫DrawPie 的方法。这个方法接收开始角度和展开角度作为参数，因此，看上去不再有什么其它的问题了。不过它实现的是一个平面的圆饼图，我需要的是一个三维的透视图；如果你也正需要这样的一个控件，这篇文章将再适合不过了 本文中的PieChart 解决方案包括三个类：PieSlice, PieChart3D 和 PieChartControl （继承于System.Win
2
- 窗建一个CPoint类，代表平面直角坐标系中的点，创建构造函数和运算符重载函数， 运算符重载为类重载（非友元重载），可以实现计算两个点之间的距离。可以根据需要 加入自己的成员变量或成员函数 用3点来代表一个三角形， 输入三个点的坐标，实现判断此三角形是不是直角三角形，并输出此三角形的周长。 可以根据需要加入自己的成员变量或成员函数
distance
- 自己写的求相同函数任意不同列数的两个矩阵之间距离的函数
k_means
- K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再
一个非常好用的Autocad工具集
- ********************************************************* * AyungerStudio AutoCAD-Tools 更新日期: 2010.02.01 * ********************************************************* 这是本人近年来独自开发的一个AutoCAD修改工具集合，现与各位共享，主要包括： 1、 绘制类： 箭头、示坡线、锥坡线、剖断线、垂线、切线、等高线加
矩形对象以及Point类成员计算其面积
- 编写C++程序完成以下功能： 定义一个Point类，其属性包括点的坐标，提供计算两点之间距离的方法 定义一个矩形类，其属性包括左上角和右下角两个点，提供计算面积的方法 创建一个矩形对象，提示用户输入矩形左上角和右下角的坐标 观察矩形对象以及Point类成员的构造函数与析购函数计算其面积，并输出 ,The preparation of C++ Process is complete the following functions: the definition of
li
- 普通函数作友元：声明普通函数distance用来计算两点距离，定义一个Circle类，两圆心的距离用普通函数distance来计算。这个函数需要访问Circle类的私有数据x和y，为此，将distance声明为Circle类的友元函数。主函数如下定义：-Common function for friend: Statement used to calculate the normal function of distance from two points define a Circle cla
C++开发图形计算程序
- 编写C++程序完成以下功能： （1） 定义一个Point类，其属性包括点的坐标，提供计算两点之间距离的方法； （2） 定义一个矩形类，其属性包括左上角和右下角两个点，提供计算面积的方法； （3） 创建一个矩形对象，提示用户输入矩形左上角和右下角的坐标； （4） 观察矩形对象以及Point类成员的构造函数与析构函数的调用； （5） 计算其面积，并输出。 -Write C++ program performs the following functions: (1
java
- 创建一个point,用随机函数定义5对坐标（x,y）并储存在一个该类的数组中，安于原点的距离从远到近输出各点的坐标和原点的距离-Create a point, with random function definitions 5 on coordinates (x, y) and stored in a such an array, the distance from the origin of the content with far to nearly output of different
RadarPulseSimulation
- 雷达脉冲压缩仿真程序，带GUI开发源码，雷达一维距离像，匹配滤波，各种加窗函数的仿真图例-Radar pulse compression simulation program with GUI open source, radar, one-dimensional range profile, matched filtering, processing window function of the simulation of Legend
juxing
- 1、 矩形 编写C++程序完成以下功能： （1） 定义一个Point类，其属性包括点的坐标，提供计算两点之间距离的方法； （2） 定义一个矩形类，其属性包括左上角和右下角两个点，提供计算面积的方法； （3） 创建一个矩形对象，提示用户输入矩形左上角和右下角的坐标； （4） 观察矩形对象以及Point类成员的构造函数与析构函数的调用； （5） 计算其面积，并输出。 -1, rectangular write C++ program completed the follo
1
- 设计一个描述点的类，其中包含一对坐标点数据成员、一个求两个点之间距离的友元函数和显示坐标点的成员函数，并编程测试。 解题思路： 计算两点(a,b)和(c,d)之间的距离，依据勾股定理可得公式： 并定义坐标点类的友元函数来计算两点间的距离。 -Design a descr iptive point of the class, which includes a pair of coordinates of points, data members, one for the d
distrans
- 对二值图像进行距离变换,利用opencv中的距离变换函数-distance transform,opencv
PCA(test)
- 完整的PCA 人脸识别的应用包括几个步骤：人脸图像预处理；读入人脸库，训练形成 特征子空间；把训练图像和测试图像投影到上一步骤中得到的子空间上；选择一定 的距离函数进行识别-We present an approach to the detection and identification of human faces and describe a working, near-real-time face recognition system which tracks a s
kmeansclustering
- 这种算法，可以将图像分成集群，随机使用 centroide，选择每个像素的距离函数.-This algorithm, the image can be divided into clusters, random use centroide, a distance function for each pixel.
aco
- spd描述子，ACO算法匹配，文件中包含其他的描述子（形状上下文。。。），同时距离函数包括欧式距离和卡方距离(The SPD descr iptor matches the ACO algorithm, and the file contains other descr iptors (shape context) At the same time, the distance function includes Euclidean distance and chi square distance
1Drdf
- 一种颗粒的径向分布函数，即在特定距离发现另一颗粒的概率(The radial distribution function of one type of particles, that is, the probability of finding another particle at a specific distance)
DS
- 基于证据体距离函数的选择和证据支持度的修正的一种改进的合成方法。首先引入明氏距离作为证据体距离函数，求出系统中证据的支持度，然后根据支持度标准差对支持度进行修正，最后利用归一化得到的证据可信度对系统的证据加权平均，再利用DS公式进行合成。实验结果表明，该方法提高了证据的有效性和可靠性。(A modified method is proposed based on the choice of distance function of evidences and correction of the