搜索资源列表
遥感图像处理实践课程指导书_201712
- 讲述了关于遥感图像的几个算法，包括直方图匹配，滤波，主成分分析等(Describes several algorithms on remote sensing images, including histogram matching, filtering, principal component analysis, etc.)
PowerBus中继器（二）
- 二总线设计系列五：PowerBus中继器设计资料，文档PDF（资料配套，请下载全套资料查阅）(Two bus design series five: PowerBus repeater design data, document PDF (data matching, please download full set of data access))
主流的人脸识别技术
- 主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。(The mainstream face recognition technology can
m_f
- 在数字信号接收中，滤波器的作用有两个方面，使滤波器输出有用信号成分可能强；抑制信号带外噪声，使滤波器输出噪声成分可能小，减少噪声对信号判决的影响。对最佳线性滤波器称为匹配滤波器。在数字通信中，匹配滤波器具有广泛的应用。因此匹配滤波器是指滤波器的性能与信号的特征取某种一致，使滤波器输出端的信号瞬时功率与噪声平均功率的比值最大。(In the digital signal reception, the function of the filter has two aspects, which mak
贪心1004
- Were Tian Ji lives in nowadays, he will certainly laugh at himself. Even more, were he sitting in the ACM contest right now, he may discover that the horse racing problem can be simply viewed as finding the maximum matching in a bipartite graph. Draw
Qt5开发及实例（第2版）
- 《Qt5开发及实例（第二版）》这本书配套的源代码("Qt5 development and examples (Second Edition)" matching the source code of this book.)
Antenna Design for Mobile Devices_Zhijun Zhang
- 资料对机天线入门很有帮助。全书分别介绍了1.天线匹配（matching调试）；2.外部天线；3.内部天线（monopole；IFA；PIFA etc）；4.天线测试（有源；无源）；5.规格相关（SAR；HAC）
FxTurboMarksman
- System rules The FX Turbo Marksman is giving signals by putting an ARROW on chart. A Green arrow is a long signal, and a Red arrow is a short signal. It is highly RECOMMENDED to trade only a currency pair with its matching version only. For example:
CVPR_2019_全部论文开源代码链接汇总 (1)
- CVPR 2019 全部论文开源源码汇总 CVPR2019 最佳论文:A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction CVPR2019 最佳学生论文：Reinforced Cross-Modal Matching & Self-Supervised Imitation Learning for Vision-Language Navigation(CVPR2019 best paper A The
AbaqusGUI程序开发指南（Python语言）配套资源
- 《AbaqusGUI程序开发指南（Python语言）》配套资源(Matching Resources of Abaqus GUI Programming Guide (Python Language))
基于稀疏分解的微弱信号检测方法
- 微弱信号的检测在通信、雷达、声纳等领域有着重要的意义,一直是信号处理的难点。本文将信号稀疏 分解思想应用于信号检测,提出一种算法。算法中信号稀疏分解采用Matching Pursuit(MP)算法实现,原子采 用正弦波模型,通过对正弦波模型伸缩和平移形成过完备原子库。由MP分解结果,可检测出淹没在强噪声环境 中的微弱正弦信号的幅度、频率和初相位参数,从而恢复出待检测的微弱正弦信号。所提出方法在-40 dB极低 信噪比环境下可以同时检测多个正弦信号。计算机仿真结果证实了算法的有效性。