搜索资源列表
Java2 类库
- 本书由Java技术的创建者编写，对Java 2平台标准版，V1.2中新增加的包及类进行了描述。本书主要由包概述和类描述构成。包概述对每个包及其所有类进行了简要描述，另外还画出了包中的类的继承层次结构示意图。每个类描述都独自构成一个小节，包含了类层次结构示意图、类描述、类示例、成员概述以及那些在版本1.2中作了修改或新增的类成员的描述。还详细说明了Java软件开发包（JDK）1.1到从版本1.2对类及方法所作的修改。需要指出的是：本书是补充版本，有些材料需要参阅《The Java Class Li
递归枚举模板
- 递归枚举模板 问题描述：生成长度为n的字串，其字符从26个英文字母的前p(p≤26)个字母中选取，使得没有相邻的子序列相等。例如p=3，n=5时： // abcba 满足条件 // abcbc 不满足条件 //输入：n p //输出：所有满足条件的字串及总数-recursive template Problem descr iption : n generation length of the string and its 26 characters from the
NetFinder
- 网络拓扑发现 发现路由器与子网，给出路由器的简单配置信息、子网中的主机（如果支持SNMP，给出简单的系统描述） 搜索深度、团体名、起始路由器可设定 -network topology discovery and found router subnet, the router is a simple configuration information, - hosts on the network (if SNMP support, the system is a simple des
基本GIS系统开发
- 一个最基本的GIS，需要包含如下的组成部分：管理空间坐标数据的矢量图形系统，管理属性数据的数据库管理系统，以及实现矢量图形系统与数据库管理系统双向连接的连接系统以及空间分析功能等。 矢量图形系统是GIS的重要部分，也是开发GIS系统时的重点所在。一个基本的矢量图形系统一般需要如下的功能： 1．相对完善的图形元素，应具备处理点，线，面，网络等图形元素的能力，这类图形系统在很大程度上能够满足普通的管理型GIS的矢量图形系统的要求。提功矢量显示图形的功能在很大程度上能够改善矢量图形界面的
repeat
- 最长重复子串问题 .问题描述： 在一个特定字符串str 中，多次出现的子串称为重复子串。如果字符串str 中有多个重复 子串，则其中长度最长的子串称为最长重复子串。例如，str=’abcdacdac’ ，则子串’cdac’ 是str 的最长重复子串。 .编程任务： 给定一个字符串str ，编程计算str 的最长重复子串。-longest repeated substrings problems. Problem descr iption : In
SwitchViewInSDI
- 算法简单描述如下： 如果当前棋局为终局状态，则返回状态分 从当前棋局的状态出发,找出一个可走的步数,试走此部,新状态扩展为当前棋局的 一个子结点 此子结点做为新的当前状态递归调用 (此过程中可加入α-β裁减) 思考：如果采用循环代替递归，保存所有已构造的节点，在下一次构造博奕树时本次构造 的节点可能重复利用，节省构造时间。
sift
- 原版的SIFT算法。SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 该方法于1999年由David Lowe 首先发表于计算机视觉国际会议（International Conference on Computer Vision，ICCV），2004年再次经David Lowe整理完善后发表于International journa
Palindrome subsequences
- 求一个长度不超过15的字符串的回文子序列个数（子序列长度>=1）。 输入描述：输入一个长度不超过15的字符串,字符串均由小写字母表示 输出描述：输出其回文子序列个数 样例输入：abaa 样例输出：10(Find the number of palindrome subsequences of a string of no longer than 15 (subsequence length >=1). Input descr iption
principleComponentAnalysis
- 主成分分析法降维，以进行进一步处理，可用于描述子的构建(PCA,used for descr iptor generation)
FuLiYe
- 图像识别，提取傅里叶描述子，不同傅里叶系数的图像重构结果显示代码(image recognition, the Fu Liye descr iptor is extracted, and the image reconstruction results of different Fu Liye coefficients display the code)
100G以太网PCS子层研究及其在FPGA的实现
- 主要描述了100G以太网物理层在XILINX FPGA上的实现方式(100G Ethertnet PHY, XILINX FPGA, Vivado)
narf_pfh_sac_Registration
- 基于特征的点云全局配准算法： NARF特征点提取+PFH描述子计算+SAC-IA位姿变换计算。(Feature based global registration algorithm for point cloud: The NARF feature points are extracted + PFH descr iptors, and the calculation of + SAC-IA position and attitude transformation is calculate
code
- 该文件是用于图像检索的demo，主要利用sift描述子提取特征进行匹配，在“Query by example” 数据库中运行效果良好。(The file is used for image retrieval demo, mainly using sift descr iptor to extract features and match it in the "Query by example" database.)
OpenSURF_version1c
- 此为用SURF方法检测的图像特征点，其中包括了构建响应图和描述子建立(algorithm of SURF, including building the response maps and descr iptors)
HOG 代码.docx
- HOG 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子(The Histogram of Oriented Gradient (HOG) feature is a feature descr iptor used for object detection in computer vision and image processing.)
hog-feature
- 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主(The Histogram
zhixin
- 矩描述子：首先对图像进行二值化，并统计不同区域中的质心位置，并进行标记即可。(Moment descr iptors: First binarize the image, and count the centroid positions in different regions, and mark them.)
siftTest
- SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果(It is an algorithm for detecting local features. The algorithm obtains good results by finding feat
SURFpipei_matlabfunctiontest
- 实现SURF特征点描述子算法，并使用Oxford Dataset图像自动进行精度评价(SURF feature descr iptor and matching precision evaluation)
SIFT算法matlab
- SIFT即尺度不变特征变换，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 一、SIFT算法特点： 1、具有较好的稳定性和不变性，能够适应旋转、尺度缩放、亮度的变化，能在一定程度上不受视角变化、仿射变换、噪声的干扰。 2、区分性好，能够在海量特征数据库中进行快速准确的区分信息进行匹配 3、多量性，就算只有单个物体，也能产生大量特征向量 4、高速性，能够快速的进行特征向量匹配 5、可扩展性，能够与其它形式的特征向量进行联合 —