搜索资源列表
robotArrest
- 多机器人目标围捕 用MFC自行设计了简单的机器人围捕场景。机器人策略采用注册机制易于机器人的策略的扩展。捕捉机器人策略应用了人工势场法。
bag_words_demo
- 一个学习自然场景类别的贝叶斯模型、基于“词袋”模型的目标分类。来源于Feifei Li的论文。是近年来的目标识别模型热点之一。-”A Bayesian Hierarchical Model for Learning Natural Scene Categories“ FeiFei Li.CVPR2005
AlfaBeta
- Alfa_Beta 滤波，适用于目标做匀速直线运动的场景，在Gauss Noise噪声下滤波效果和Kalman滤波近似，本文的特点在于对Alfah、Beta 两个参数的取值。-Alfa_Beta fliter
sanweichangjingchonggou
- 移动机器人对其工作环境的有效辨识、感知与重构，是其自主导航与环境探索的基 础和前提条件。为实现非结构化环境的三维场景重构，本文在自主移动机器人平台上构 建了三维激光测距系统，设计和开发了三维场景重构软件 采用基于线段端点的ICP算 法准确快速的实现不同视点下的场景匹配 提出了基于核心场景的多场景重构策略，并 采用栅格划分法对重合区域进行数据精简，从而实现大范围三维场景重构。本文通过对 算法的实现和实验数据的比较分析，尝试对非结构化环境三维场景重构问题进行创新性 的探索与研
Heritage
- 由于寻找路径问题被看成是游戏人工智能的一块神圣基石，该代码用用遗传算法在一个非常简单的场景中解决寻找路径问题。-Helping Bob Home
1
- 本文就针对大型场景的这些特点，提出了新的基于特征的自动配准算法。-The main work of this thesis is to deal with the range data registration problem for large-scale scenes. On the basis of analysis of properties of real scenes, we propose a new automatic feature-based registration alg
Vega
- Vega简单示例，展示了一个简单的模拟驾驶的场景，具有后视功能。-Vega simple example shows a simple simulated driving scene with rear view function.
Particle-swarm-code
- 人工神经网络设想这样一个场景：一群鸟在随机搜索食物。在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。 PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”-Particle swarm optimization
Slam2D1
- 概率机器人基于卡尔曼滤波器实现实时定位和地图创建（SLAM）的算法，用matlab编写，涵盖了机器人二维场景。-The simultaneous localization and mapping algorithm based on the Kalman filter. Robot work enviroment is 2D.
Slam1D1
- 概率机器人基于卡尔曼滤波器实现实时定位和地图创建（SLAM）的算法，用matlab编写，涵盖了机器人一维场景。-mapping algorithm based on the Kalman filter. Robot work enviroment is 1D.
Slam3D1
- 概率机器人基于卡尔曼滤波器实现实时定位和地图创建（SLAM）的算法，用matlab编写，涵盖了机器人三维的场景。-mapping algorithm based on the Kalman filter . Robot work is 3D.
Wind_Turbine_Fog
- 国外网站下载的模拟风电场雾天效果运行的场景。可参考下。-Simulated wind farm fog effect abroad website running scene. Refer to the next.
pacman
- Pacman 智能体将找到通过迷宫世界的路径, 既包括到达一个指定的位置，也包括高效地搜集食物。你需要建立通用的搜索算法，并将其应用到Pacman场景中。-Pacman agent will find the path through the maze of the world, both to reach a designated location, but also to collect food efficiently. You need to build a general search
plot_classifier_comparison
- 调用机器学习库sk-learn中的svm，KNeighborsC，GaussianProcess算法进行分类任务，并且比较这几种算法在三种场景下的性能-Using machine learning libraries sk- learn the SVM, KNeighborsC, GaussianProcess algorithm classification task, and comparing the several kinds of algorithm in the performanc
cellularallocation
- D2D场景下，用户位置随机分布，根据信道状态好坏，来选择使用哪一个频谱-Under D2D scenario, the user positions randomly distributed, according to a channel state is good or bad, the spectrum used to which one
第二讲 数据挖掘概述
- 详细介绍了数据挖掘的几种方式，以及应用场景，适合初学者(Details of several ways of data mining, as well as application scenarios, suitable for beginners)
MLkNN
- ML-KNN，这是来自传统的K-近邻（KNN）算法。详细地，为每一个看不见的实例中，首先确定了训练集中的k近邻。之后，基于从标签集获得的统计信息。这些相邻的实例，即属于每个可能类的相邻实例的数量，最大后验（MAP）原理。用于确定不可见实例的标签集。三种不同现实世界中多标签学习问题的实验研究，即酵母基因功能分析、自然场景分类和网页自动分类，表明ML-KNN实现了卓越的性能(ML-KNN which is derived from the traditional K-nearest neighbo
attentionFactorizaitonMachine
- Attension FM的理论论文，可用于高度稀疏数据场景，并且具有线性的计算复杂度(Factorization Machines (FMs) are a supervised learning approach that enhances the linear regres- sion model by incorporating the second-order fea- ture interactions)
chap8（遗传算法和粒子群算法）
- 遗传算法流程以及几种应用场景，matlab原程序代码及mat文件(Genetic algorithm process and several application scenarios, matlab original program code and mat files)
buildingmachinelearningprojectswithtensorFlow
- 这本书包含了多个不同类型的工程，来说明TensorFlow在不同场景中的应用，这本书的工程包括了训练模型、机器学习、深度学习以及多种神经网络，每个工程都是一个精妙的、有意义的项目，会教我们如何使用TensorFlow并在使用中如何对数据分层。(This book contains a number of different types of engineering, to illustrate the application of TensorFlow in different scenario