搜索资源列表
vel_Tikhonov
- tikhonov求解，正则化参数为0.1，应用svd分解，求解病态矩阵的解。(Tikhonov solution, regularization parameter is 0.1, using SVD decomposition to solve the ill-conditioned matrix solution.)
jiangwei
- pca、svd、mds 数据降维，用来对数据进行预处理 新人学习，叨扰(pca data dimension reduction)
有限反馈预编码
- 给出了DFT码本的构造方法以及SVD分解获取最佳预编码，接收端使用MMSE(The construction method of DFT codebook and SVD decomposition are given to obtain the best precoding. The receiving end uses MMSE.)
Vc6_Image
- VC++图像处理及源码包（大全）包括下列内容：1.数字图像获取，处理及实践应用电子书 2.数字图像获取，处理及实践应用电子书分章节源码 3.书中提及的各种算法的综合源码。压缩包里面包括的算法代码有：分章节源码内容：内容：对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强；逆滤波复原、维纳滤波方法；傅立叶变换、离散余弦变换（DCT）、沃尔什变换、基于特征向量的变换、霍特林（Hotelling）变换、SVD变换、小波变换、Mallat算法；霍夫曼（Huffman）编码、算术
ICP
- 用svd的方法最优化求解两个点云的变换矩阵，R和T(Using SVD method to optimize the transformation matrix, R and T of two point clouds)
full SVD
- 利用矩阵的完全奇异值分解，进而运用奇异值阈值算法进行求解
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是
视频水印MATLAB
- 基于DCT、DWT、SCD的视频水印算法和基于DWT、SVD的非盲水印算法实现
alglib-3.14
- ALGLIB提供以下功能： 线性代数(直接算法、求解器、EVD/SVD) 快速傅里叶变换 数值积分 内插 线性和非线性最小二乘拟合 优化 常微分方程 特殊功能 统计 (描述性统计, 假设检验) 数据分析(分类/回归，包括神经网络) 的多个精确版本线性代数, 内插和优化算法(使用MPFR浮点计算)
DMD_for_Human_motion-master
- 动态模式分解,从人类步行数据中提取信息.动态模式分解是一种降维算法，最初是在流体力学领域引入的。与提供内部坐标系和相应投影的SVD相似，DMD为您提供随不同时间行为演变的特定空间模式。(Extract Info from Human Walking Data with Dynamic Mode Decomposition)
bksvd-master
- block krylov 子空间近似 SVD 分解(Approximate SVD decomposition of block Krylov subspace)
gabor
- 构造Gabor冗余字典，接下来可用于K-SVD(Gabor redundant dictionary is constructed, which can be used in K-SVD)
图像配准算法
- 1.SIFT得到两幅图像的匹配点对 2.通过RANSAC剔除外点，得到N对内点 3.利用DLT和SVD计算全局单应性 4.将源图划分网格，取网格中心点，计算每个中心点和源图上内点之间的欧式距离和权重 5.将权重放到DLT算法的A矩阵中，构建成新的W*A矩阵，重新SVD分解，自然就得到了当前网格的局部单应性矩阵 6.遍历每个网格，利用局部单应性矩阵映射到全景画布上，就得到了APAP变换后的源图 7.最后就是进行拼接线的加权融合