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
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
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
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
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
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，