搜索资源列表
non_guiyi
- 改进的BP神经网络，因为目的是针对单一的时间序列进行预测，所以该算法没有进行归一化处理，经检验具有还不错的效果，并且附上了对序列进行处理以改变其维度的完整代码。-The improved BP neural network, because the purpose is for single time series forecast, so no normalized processing, the algorithm has a good effect after inspection, an
quduishu
- 对灰度图像进行归一化处理（求对数）使得图像灰度差异明显-The normalization of gray image (for logarithmic) makes the image gray difference obvious
ielay
- 产生两个远程的发送信号,采用归一化处理使其中一个信号有时延-Produce two remote signals, using normalized processing make one signal delay
Prebdcemmakemremote
- 产生两个远程的发送信号,采用归一化处理使其中一个信号有时延-Produce two remote signals, using normalized processing make one signal delay
vcyncfronous-record
- 产生两个远程的发送信号,采用归一化处理使其中一个信号有时延-Produce two remote signals, using normalized processing make one signal delay
阈值分析
- 对图像进行灰度分析，阈值分析，进行归一化处理(This procedure is mainly for gray image analysis, threshold analysis, and the image normalization processing)
熵权法原理
- 熵权法是一种客观赋权方法。它十分复杂，计算步骤如下: a.构建各年份各评价指标的判断矩阵: b.将判断矩阵进行归一化处理, 得到归一化判断矩阵: c.根据熵的定义，根据各年份评价指标，可以确定评价指标的熵。 d.定义熵权。定义了第n个指标的熵后，可得到第n个指标的熵权。 f.计算系统的权重值。(Entropy weight method is an objective method of empowerment. It is very complicated. Th
oopnx
- 产生两个远程的发送信号,采用归一化处理使其中一个信号有时延(Produce two remote signals, using normalized processing make one signal delay)
Character_Recognition
- 本程序主要参照论文，《基于OpenCV的脱机手写字符识别技术》实现了，对于手写阿拉伯数字的识别工作。识别工作分为三大步骤：预处理，特征提取，分类识别。预处理过程主要找到图像的ROI部分子图像并进行大小的归一化处理，特征提取将图像转化为特征向量，分类识别采用k-近邻分类方法进行分类处理，最后根据分类结果完成识别工作。 程序采用Microsoft Visual Studio 2010与OpenCV2.4.4在Windows 7-64位旗舰版系统下开发完成。并在Windows xp-32位系统下测试
456
- 对KDD数据里的符号性数据进行数值化，然后再归一化，提供输入(The symbolic data in the KDD data is numerically calculated)
Normalization
- 该程序主要可以应用于一维信号的信号归一化处理(signal normalization)
eemd
- 提取信号特征及归一化处理，比emd明确度更高，可与emd做对比(Extracting signal features and normalization processing)
AllFeatureAllFeature
- 提取图像的梯度特征，计算梯度边缘的数字，经归一化后进行特征提取(Gradient feature of image extraction)
Normlize
- 使用matlab对序列归一化处理，输出序列的归一化前后的图像。(Use matlab to normalize the sequence and output the normalized image of the sequence.)
fun
- 常用的数据预处理，比如归一化和滤波，参数寻优，便于模型的后续扩展使用(The commonly used data preprocessing, such as normalization, parameter optimization, facilitates the subsequent extension of the model.)
Desktop
- 为了方便大家理解，我上传了一个具体的数据样本供大家参考使用(To facilitate your understanding, I uploaded a specific data sample for your reference.)
iris code
- 利用线性Hough变换和Canny边缘探测得到的所输入虹膜图像上各点的坐标，最终通过归一化产生一个虹膜的特征模板。(The coordinates of each point on the iris image are obtained by using the linear Hough transform and the Canny edge detection. Finally, a feature template of the iris is generated by the norma
LBP
- （1）计算图像中每个像素点的LBP模式(等价模式,或者旋转不变+等价模式)。 （2）然后计算每个cell的LBP特征值直方图，然后对该直方图进行归一化处理(每个cell中，对于每个bin,h[i]/=sum,sum就是一副图像中所有等价类的个数)。 （3）最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量； 然后便可利用SVM或者其他机器学习算法进行分类识别了。((1) calculate the LBP pattern of each p
ex43
- 对于实序列??[??]=??????(????/??)，???≤??≤????；计算出??(??????)。并对x[n]作奇偶分量分解，分别计算出奇、偶分量的频谱????(??????)与谱 ????(??????)。 （1）频率计算范围：-pi~pi，频率步长设置：pi/800； （2）分别画出：x[n]的频谱实部、x[n]的频谱虚部、偶分量的频谱实部、偶分量的频谱虚部、奇分量的频谱实部、奇分量的频谱虚部；排列方式如图所示； （3）6个图的横坐标对pi作归一化处理，显示范围设置为：-1~
包含了步态识别的整一套流程的代码实现matlab
- 行人重识别 步态能量图 文件处理 归一化 步态识别 基于模型(Pedestrian recognition, optical flow method, gait energy diagram, document processing, normalized gait recognition)