搜索资源列表
FI565
- 内附两个源代码，其中一个源代码是识别程序的，另一个是一个矩阵类库的，所以一并附上。 ~..~因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。 -containing 2 source code,
deepsea_src
- 屏幕保护程序：利用Visual C++编写的一个屏幕保护程序。运行完毕后，将文件夹bin中的 深海生物.scr复制到C盘中的 WINDOW文件夹目录下，就可以通过在桌面上电击右键，选择属性进行设置屏幕保护了。-Screen Savers : Visual C prepared in a screen saver. After the operation, bin file folder of deep-sea biota. scr copied to the C plate WINDOW fol
Turbo--matlab_3GPP
- 目录结构 ├─WuYuFei ├─WuYufei_matlab ├─cap_turbo ├─mother └─paper constituent_decoder_SemiTh.m constituent_decoder_logmap.m constituent_decoder_max.m constituent_decoder_Th.m 这四个文件是子译码器 interleaver_3GPP.m 3GPP标准的交织器。Turbo.m中可以选择
jiandan0101
- 这是一个非常简单的遗传算法源代码，代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。如果用 Gaussian变异替换均匀变异，可能得到更好的效果。代码没有任何图形，甚至也没有屏幕输出，主要是保证在平台之间的高可移植性。读者可以从ftp.uncc.edu, 目录 coe/evol中的文件prog.c中
code
- 一个遗传算法 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择
recognize
- 本代码是基于神经网络的文字识别系统，目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。
matlab
- 使用须知 1. 文件夹 两个文件夹：Mbook和Mfiles。 Mbook文件夹：存放可以用于教学或自学的Mbook形式的文档。 MFiles文件夹：存放所有例题的M文件，保存的文件名为“Ex+章+序号.m”、“Ex+章+序号.fig”、“Ex+章+序号.mdl”或“Ex+章+序号.doc”。 2. 使用前的准备 （1）软件需要安装Office2000 和MATLAB6.5。 (2) 将文件夹Mbook和Mfiles的内容拷贝到用于教学的计算机的硬盘上。 （3）在
DigitRecognition_VC++
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的， 书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值， 所以第一次使用识别程序时， 可以直接运行\\\\Release目录下的可执行文件， 然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络， 不过要特别注意训练样本的选择，否则可能造成识别率很低。 训练样本选择的原则是，尽可能的有代表性， 在训练时间不至于太长
LZ77
- 使用LZ77算法实现文件压缩 点击文件-压缩，选择要压缩文件，在同一目录中生成后缀名为.lz77的压缩文件 点击文件-解压，选择要解压文件（.lz77），在同一目录中生成源文件
802.11b PHY Simulink Model
- 802.11b物理层的simulink建模。模型支持1Mbps, 2Mbps, 5.5Mbps, and 11Mbps 的模式，模型包括帧的生成，BPSK、QPSK调制，巴克码扩展，CCK以及信道频移量的选择和一个AWGN信道。 使用说明：先将压缩包解压缩到一个新文件夹中，改变matlab当前执行目录，然后运行WiFi.mdl文件。 压缩包中包括6个文件：WiFi.mdl，WiFi_lib.mdl，WiFi_init.m，cck_codes.mat，ber_test.m，test_level_1
基于Gabor特征提取和人工智能的人脸检测系统源代码
- 使用步骤： 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network"，等待程序训练好样本 5. 点击"Test on Photos"，选择一个.jpg图片，识别。 6. 等待程序检测出人脸区域
classanalysis.rar
- 1)解压缩 2)打开“聚类分析软件”文件夹，点击“聚类分析.msi”安装程序，在安装向导中选择安装目录，安装完成。 3)打开Matlab软件程序，将当前工作目录设为“聚类分析”的安装目录，在命令行中输入“Cluster”命令，即可打开聚类分析软件。 4)内有多种模式识别方法可以使用 ,1) Extract 2) Open the
Classification
- 1)打开“聚类分析软件”文件夹，点击“聚类分析.msi”安装程序，在安装向导中选择安装目录，安装完成。 2)打开Matlab软件程序，将当前工作目录设为“聚类分析”的安装目录，在命令行中输入“Cluster”命令，即可打开聚类分析软件。 -1) Open a
handclass
- 1）解压缩 2)打开“手写数字分类软件”文件夹，点击“手写数字分类.msi”安装程序，在安装向导中选择安装目录，安装完成。 3)打开Matlab软件程序，将当前工作目录设为“手写数字分类”的安装目录，在命令行中输入“classification”命令，即可打开手写数字分类软件。 4）内含多种识别方法 -1) Extract 2) Open the
wenzishibie
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-Catalog include: two source documents and source
Haffmancode
- 课程设计： 1.求出在一个n×n的棋盘上，放置n个不能互相捕捉的国际象棋“皇后”的所有布局。 2.设计一个利用哈夫曼算法的编码和译码系统，重复地显示并处理以下项目，直到选择退出为止。 【基本要求】 1) 将权值数据存放在数据文件(文件名为data.txt，位于执行程序的当前目录中) 2) 分别采用动态和静态存储结构 3) 初始化：键盘输入字符集大小n、n个字符和n个权值，建立哈夫曼树； 4) 编码：利用建好的哈夫曼树生成哈夫曼编码； 5) 输出编码； 6)
cp321123
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
SGA
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
shili
- matlab gui, 包括了4个很好的例子： 1.具有多个坐标轴的GUI，主要学习控制哪一个坐标轴是绘图命令的对象和用编辑文本框读入输入的数。 2.列表框目录阅读器，主要学习获取路径，加载，打开文件 3.从列表框中存取工作区变量，学习把存在于基本工作区的变量名放进列表框，选择多项等 4.地址簿阅读器，这个比较综合，用得技术也比较多。包括打开，保存，修改mat文件，利用handles结构保存和重新调用共享数据。-matlab gui, including four very go
CHENGXU
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列