搜索资源列表
绘制各种图形-直线-多边形
- 1.PaintDCDemo 演示如何利用用类CPaintDC绘图。 2.ClientDCDemo 演示用类CClientDC管理用户区。 3.CPenDemo 类CPen的使用。 4.CBrushDemo 演示刷子CBursh的使用。 5.CRgnDemo 演示CRgn的用法。 6.MapModeDemo 演示不同映射模式下图形绘制。 7.DrawPointDemo 演示点的绘制。 8.DrawLineDemo 演示绘制直线。 9.DrawPol
sfView
- 通过设置视图映射模式实现图形缩放显示（所绘图形随着视图窗口大小变化而缩放）。-View graphical mapping mode to achieve zoom display (With graphic chief View window size zoom changes ).
VC_Graph
- 利用了映射模式式中的自由模式，随机作图，初学者可以根据次程序学习图形的开发-use of the mapping model-the liberal model, random drawing, beginners can learn meeting procedures Graphics Development
映射模式
- Windows映射模式-Windows mapping mode
Matlab_PCA
- 做模式分类时（例如指纹识别，人脸识别），一个需要处理的难题是维数非常大，人脸往往是百万维的，目前计算机的能力还不足以快速地计算这么高维的数据。pca是一中降维的方法，用它可以把高维数据映射到一个维数较低的空间上考虑。
katongtu
- (1)能够体现画笔和画刷的使用 (2)使用不同的映射模式来显示所设计的图形 (3)在MM_ISOTROPIC和MM_ANISOTROPIC两种映射模式下，通过调节换算因子使图形能够放大和缩小。 -(1) to reflect the use of pen and brush (2) mapping using different models designed to display graphics (3) and MM_ANISOTROPIC MM_ISOTROPIC two ma
MyScribble20111012
- 在微软经典示例Scribble程序基础上改造，主要功能是通过拖动鼠标绘制线条，添加了画笔画刷设置功能，以及在不同映射模式下绘图功能的实现。-Classic example of Microsoft Scribble program based on the transformation, the main function is by dragging the mouse to draw lines, add a painting stroke brush set function, and t
main_orlyang_optproj
- 众所周知，特征抽取是模式识别中最基本的问题之一，抽取有效的鉴别特征是解决识别问题的关键。特征抽取即为将原始样本映射（或变换）到某一低维特征空间，得到最能反映分类本质的低维样本特征，有效地实现分类问题。-function wrong=Near_classify(final_sample,ln)
main_eigenface_proj
- 众所周知，特征抽取是模式识别中最基本的问题之一，抽取有效的鉴别特征是解决识别问题的关键。特征抽取即为将原始样本映射（或变换）到某一低维特征空间，得到最能反映分类本质的低维样本特征，有效地实现分类问题。-function wrong=Near_classify(final_sample,ln)
MapMode
- 一个演示vc环境下图形映射模式的例子，对初学者来说，掌握不同映射模式的关系是进行图形程序开发的基础，代码简洁，值得参考。-A demo the vc environment the graphical mapping mode example, for beginners to grasp the relationship of the different mapping mode graphics program developed on the basis of the code is si
kernelpca_tutorial
- 模式识别中 kpca的规范实现包括映射到低纬空间，及像低维空间投影-The norms of pattern recognition kpca including mapped to the low-latitude space, like a low-dimensional space projection
kernels
- 根据模式识别理论，低维空间线性不可分的模式通过非线性映射到高维特征空间则可能实现线性可分，但是如果直接采用这种技术在高维空间进行分类或回归，则存在确定非线性映射函数的形式和参数、特征空间维数等问题，而最大的障碍则是在高维特征空间运算时存在的“维数灾难”。采用核函数技术可以有效地解决这样问题。 -According to the pattern recognition theory, a low dimensional space linearly inseparable pattern th
osgtexture3D
- osg3D纹理，纹理坐标，纹理属性和模式，纹理映射叠加-osg3D texture, texture coordinates, texture properties and patterns, texture mapping overlay
An-interactive-computer-graphics
- 本书向读者讲授如何用OpenGL从初级阶段快速制作优质的交互式计算机图形实例，OpenGL是业界广泛采用的三维图形API，本书藉此向读者提供了在计算机图形学领域更广阔空间内发展的坚实基础。书中内容覆盖了计算机图形学基础课程所需的所有论题，如光景交互作用、图形明暗处理、图形建模、曲线与曲面、偏差预防、纹理映射和图形组合，还探讨了计算机硬件方面的问题。本版为配合计算机图形学领域最新进展，增加了更具广度和深度的内容，包括图像处理、多重透视、并行透视等，并运用选择模式、仿真模拟、面向对象图形学与实景图像
Matlab
- 主要是用于BP网络上面的编程网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入（input）、隐层(hide layer)和输出层(output layer)。 -BP
2876teapotcontest
- 从obj文件中读取模型数据，并使用球面纹理映射模式渲染-Model for reading the data the obj file, and the use of sphere texture mapping mode rendering
Rotating-cube-textures
- 可以旋转的立方体图形，给六面体和背景加上不同的纹理映射。 1.交互设置（键盘和鼠标设置） 1)方向键：上下左右自由移动 2) w或W键:显示正方体框架/填充图 3)空格键 : 停止转动 再次按下继续转动 4)小键盘 + :正方体转动加速 小键盘 - :正方体转动减速 5)鼠标左键: 自由转动正方体或旋转正方体 6)鼠标右键: 拉近或拉远视距 7)F1键: 切换窗口模式/全屏模式 -You can rotate the cube graphics, and
PCA
- PCA（Principal Component Analysis）不仅仅是对高维数据进行降维，更重要的是经过降维去除了噪声，发现了数据中的模式。 PCA把原先的n个特征用数目更少的m个特征取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的m个特征互不相关。从旧特征到新特征的映射捕获数据中的固有变异性。-PCA (Principal Component Analysis) is not just for high-dimensional data dimensiona
svmtutorial
- 支持向量机模式识别教程 教程首先介绍了VC维和结构风险最小化的概念。然后，我们描述线性可支持向量机（SVM）的可分离和不可分离的数据，通过一个不平凡的例子详细。我们描述了一个机械类比，并讨论当SVM解决方案是唯一的，当它们是全球性的。我们描述了如何实现支持向量机训练，并详细讨论了用于构造数据非线性的SVM解决方案的核心映射技术。(A Tutorial on Support Vector Machines for Pattern Recognition)
MRMRF simple
- 基于MRF图形的小波与分解 获取最粗尺度上的初始分割。使用EM算法必须有一个初值，因此我们首先使用K-均值聚类算法获取尺度J-1上的初始分割结果。 2.E步骤。使用MPL方法GMRF模型参数。 3.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 4.尺度内迭代。重复2和3知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 5.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复4，