搜索资源列表
HESSIAN
- 黑塞矩阵（Hessian Matrix），又译作海森矩阵、海瑟矩阵、海塞矩阵等，是一个多元函数的二阶偏导数构成的方阵，描述了函数的局部曲率。黑塞矩阵最早于19世纪由德国数学家Ludwig Otto Hesse提出，并以其名字命名。黑塞矩阵常用于牛顿法解决优化问题，利用黑塞矩阵可判定多元函数的极值问题。在工程实际问题的优化设计中，所列的目标函数往往很复杂，为了使问题简化，常常将目标函数在某点邻域展开成泰勒多项式来逼近原函数，此时函数在某点泰勒展开式的矩阵形式中会涉及到黑塞矩阵。(Hessian M
67373
- 贪婪随机自适应搜索法(GRASP)，使用随机化的最小最小完成时间算法来产生问题的初始解,再通过变邻域下降算法来改进这个解。(Greedy random adaptive search method)
vibe
- ViBe算法是由Olivier Barnich 和 Marc Van Droogenbroeck在2011年提出的一种背景建模方法。该算法采用邻域像素来创建背景模型，通过比对背景模型和当前输入像素值来检测前景.(ViBe algorithm is a background modeling method proposed by Olivier Barnich and Marc Van Droogenbroeck in 2011. The neighborhood pixels are used
KLPP
- 核局部邻域嵌入算法是一类流形学习算法，可用于数据的降维(Kernel local neighborhood embedding algorithm is a manifold learning algorithm, which can be used to reduce the dimensionality of data)
OLPP
- 在LPP基础上提出的正交局部邻域嵌入算法，相对于LPP算法，性能更好，可用于数据的降维与分类(The orthogonal local neighborhood embedding algorithm based on LPP has better performance than LPP algorithm and can be used to reduce dimension and classify data)
suanfa
- RD成像算法，距离多普勒域，sinc插值和邻域插值两种， CS成像算法，二位频域(RDA CSA targets radar imaging Interpolation)
二值图像中拐点的实时检测算法
- 数字图像中的拐点通常成为重要的信息载体，因此准确、稳定和实时地检测出拐点便成为拐点检测算法面l临的主要问题，针对该问题，提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同，其是首先构建像素的k(k>8)邻域，并将图像中物体的边界表示为k邻域链码；然后根据曲率定义的差分形式计算各边界点处的曲率；最后通过检测曲率直方图的局部峰值精确定位出拐点，并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性。(The inflection point in the d
华侨大学XFX函数优化平台2017版
- 该2017版软件集成了竞赛争冠系列算法（含单目标寻优、多峰函数寻优、参数估计（拟合）等）和多种差分向量型式的差分进化算法。可对数学函数进行有或无约束优化、多峰函数优化等工作。其中改进竞赛争冠算法是近期本人的研究佳作。与现行优良的进化算法相比，颇具竞争力。(The 2017 version of the software integrates the series of race champion algorithm (including single objective optimization
第8讲资料
- 基于边界邻域最大值滤波的快速图像去雾算法(Fast image based on the maximum boundary neighborhood filtering algorithm to fog)
最基本的蚁群算法+2opt邻域搜索_求解TSP
- 蚁群算法，蚁群优化算法（ant colony optimization,ACO）就是一种特别成功的元启发式算法，在20年前诞生于意大利的一所最负盛名的大学——米兰理工大学。其灵感来源于真实蚂蚁的行为。(We list below 25 TSP instances taken from the World TSP. For these instances, the cost of travel between cities is specified by the Eulidean distance
LBP
- 基本LBP算法和改进的不同邻域半径和邻域点的LBP算法 以及LBP改进论文(Basic LBP algorithm and improved LBP algorithm with different neighborhood radius and neighborhood points)
duckmass
- 以顶点一阶邻域内三角形面积为权重计算每个顶点的质量(The weight of each vertex is calculated by the weight of the triangle area which is the first neighborhood of that vertex.)
KFCM-master
- 基于核方法的模糊C均值聚类，考虑到空间数据之间的相关性，结合各点的邻域信息，在原代码中添加邻域信息：(The fuzzy C mean clustering based on kernel method, considering the correlation of spatial data and combining the neighborhood information of each point, adding neighborhood information to the origin
gaoliangdianjiance
- 图像中较小的亮点检测，利用在二值图像中，进行八邻域寻找的方法，能找到高亮点的具体位置，并框出(Small window in the image detection, the use in binary image, the eight neighborhood search method, can find the location of the high window, and the box)
equalize_hist
- 1. 均值滤波：即线性滤波，有: a.邻域平均, b. 加权平均两种。 a. 邻域平均：用一个像素邻域平均值作为滤波结果，此时滤波器模板的所系数都取1，为保证输出图仍在原来的灰度值范围，在算得R后要将其除以系数总个数再进行赋值，对3*3的模板来说，在算得R后要将其除以系数9。 b. 加权平均：对同一尺寸的模板，可对不同位置的系数采用不同的数值，一般认为离对应模板中心像素近的像素应对滤波结果又较大贡献，所以接近模板中心的系数可比较大而模板边界附近的系数应比较小。(1. mean filter
averfilter (2)
- 中值滤波器%1.该滤波函数用于对图像进行均值滤波作用， %即将一个像元及其邻域中的所有像元的平均值赋给输出图像中的相应的像元，以达到平滑的目的。 %2.其中参数impath为图像的路径 %3.参数A为滤波模板，A为一个M*N阶矩阵，注意M，N均为奇数，且不大于11。 %4.参数output为经过均值滤波后的图像矩阵。 %5.该函数采用算法：首先将原始图像矩阵扩充2m行，2n列，并将扩充位补0，(Median filterThis filter f
三维矩阵转二维
- 在mmatlab中将多波段的遥感图像（三维矩阵数据）转换成二维数据，与求邻域(convert the 3D image data into the 2D data in the matlab)
PCL_K_Search.tar
- 处理PCD点云文件的VS工程，实现了K邻域，使用时自行修改加载的PCD文件路径(VS engineering for processing PCD point cloud files)
matlab
- 城市规划 模型总步骤： 首先确定其组成的主要元素：元胞、元胞空间、元胞状态、元胞邻域及转变规则 分析模拟城市空间结构； 确定模型的参数：繁殖参数、扩散参数、传播参数及受规划约束参数 确定模型所需元胞转换规则的定义 进行城市发展模拟。(Total steps of urban planning model: First, determine the main elements of its composition: cellular, cellular space, cell
otsu
- 利用二维的otsu进行二值分割，不同于一维otsu，这里使用了邻域信息(Using two dimensional Otsu for two value segmentation, different from one dimension Otsu, the neighborhood information is used here)