搜索资源列表
libsvm-weight-2.81
- 一种基于局部密度比权重设置模型的加权支持向量回归模型来单步求解多分类问题：该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本的权重隶属因子,然后运用加权lib支持向量回归算法对所有样本进行训练,获得回归分类器,希望对大家有用!
fire
- 一种实时火焰效果生成c++算法,1.演示程序运行需要directX支持。 2.替换种子位图可以改变火焰形状。 3.替换冷却位图可以改变冷却的局部模式 4.替换亮度等级位图可以改变火焰颜色 5.修改generateSeed()函数中的参数可以控制火种密度，修改scrollUp()函数中的参数可以控制火焰向上
fams
- Mean Shif t 算法是一种有效的统计迭代算,法,它使每一个点“漂移”到密度函数的局部极大值点。近些年来,Mean Shif t 算法已广泛应用于计算机视觉领域 。-Mean Shif t algorithm is an effective statistical iteration count, France, and it makes every point
Main
- 1、 采用原始变量法，即以速度U、V及压力P作为直接求解的变量 2、 守恒型的差分格式，离散方程系对守恒型的控制方程通过对控制容积作积分而得出的，无论网格疏密程度如何，均满足在计算区域内守恒的条件； 3、 采用区域离散化方法B，即先定控制体界面、再定节点位置 4、 采用交叉网格，速度U、V与其他变量分别存储于三套网格系统中； 5、 不同的项在空间离散化过程中去不同的型线假设，源项采用局部线性化方法；扩散——对流项采用乘方格式（但很容易转化为中心差分、迎风差分或混合格式）；街面上的
ONE
- 1、 采用原始变量法，即以速度U、V及压力P作为直接求解的变量 2、 守恒型的差分格式，离散方程系对守恒型的控制方程通过对控制容积作积分而得出的，无论网格疏密程度如何，均满足在计算区域内守恒的条件； 3、 采用区域离散化方法B，即先定控制体界面、再定节点位置 4、 采用交叉网格，速度U、V与其他变量分别存储于三套网格系统中； 5、 不同的项在空间离散化过程中去不同的型线假设，源项采用局部线性化方法；扩散——对流项采用乘方格式（但很容易转化为中心差分、迎风差分或混合格式）；街面上的
TWO
- 1、 采用原始变量法，即以速度U、V及压力P作为直接求解的变量 2、 守恒型的差分格式，离散方程系对守恒型的控制方程通过对控制容积作积分而得出的，无论网格疏密程度如何，均满足在计算区域内守恒的条件； 3、 采用区域离散化方法B，即先定控制体界面、再定节点位置 4、 采用交叉网格，速度U、V与其他变量分别存储于三套网格系统中； 5、 不同的项在空间离散化过程中去不同的型线假设，源项采用局部线性化方法；扩散——对流项采用乘方格式（但很容易转化为中心差分、迎风差分或混合格式）；街面上的
THREE
- 1、 采用原始变量法，即以速度U、V及压力P作为直接求解的变量 2、 守恒型的差分格式，离散方程系对守恒型的控制方程通过对控制容积作积分而得出的，无论网格疏密程度如何，均满足在计算区域内守恒的条件； 3、 采用区域离散化方法B，即先定控制体界面、再定节点位置 4、 采用交叉网格，速度U、V与其他变量分别存储于三套网格系统中； 5、 不同的项在空间离散化过程中去不同的型线假设，源项采用局部线性化方法；扩散——对流项采用乘方格式（但很容易转化为中心差分、迎风差分或混合格式）；街面上的
FOUR
- 1、 采用原始变量法，即以速度U、V及压力P作为直接求解的变量 2、 守恒型的差分格式，离散方程系对守恒型的控制方程通过对控制容积作积分而得出的，无论网格疏密程度如何，均满足在计算区域内守恒的条件； 3、 采用区域离散化方法B，即先定控制体界面、再定节点位置 4、 采用交叉网格，速度U、V与其他变量分别存储于三套网格系统中； 5、 不同的项在空间离散化过程中去不同的型线假设，源项采用局部线性化方法；扩散——对流项采用乘方格式（但很容易转化为中心差分、迎风差分或混合格式）；街面上的
FIVE
- 1、 采用原始变量法，即以速度U、V及压力P作为直接求解的变量 2、 守恒型的差分格式，离散方程系对守恒型的控制方程通过对控制容积作积分而得出的，无论网格疏密程度如何，均满足在计算区域内守恒的条件； 3、 采用区域离散化方法B，即先定控制体界面、再定节点位置 4、 采用交叉网格，速度U、V与其他变量分别存储于三套网格系统中； 5、 不同的项在空间离散化过程中去不同的型线假设，源项采用局部线性化方法；扩散——对流项采用乘方格式（但很容易转化为中心差分、迎风差分或混合格式）；街面上的
artensor
- Structure Tensor算法的C／C＋＋实现 Tensor 源于对方向和密度的描述，可在局部描述2／3维数据的形态
ekf_ukf_maukf
- 主要对扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）及改进无迹卡尔曼滤波（MAUKF）算法进行研究，研究了三种算法的基本原理和各自的特点。其中扩展卡尔曼滤波器是将卡尔曼滤波器局部线性化，其算法简单，计算量小，适用于弱非线性、高斯环境。无迹卡尔曼滤波器是用一系列确定样本来逼近状态的后验概率密度。改进无迹卡尔曼滤波算法在UKF的基础上引入衰减因子。-The thesis focuses on the extended Kalman filter (EKF), unscented Kalman f
cvpr13-linecount!-hog
- 2013年计算机视觉和模式识别国际顶尖学术会议CVPR论文，基于局部特征的人群密度估计算法-the paper of International Conference of computer vision and pattern recognition
Improved-kalman-filtering-algorithm
- 主要对扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）及改进无迹卡尔曼滤波（MAUKF）算法进行研究，研究了三种算法的基本原理和各自的特点。其中扩展卡尔曼滤波器是将卡尔曼滤波器局部线性化，其算法简单，计算量小，适用于弱非线性、高斯环境。无迹卡尔曼滤波器是用一系列确定样本来逼近状态的后验概率密度。改进无迹卡尔曼滤波算法在UKF的基础上引入衰减因子。-Improved Kalman filtering algorithm
MeanShift
- MeanShift算法是一种无参概率密度估计法，算法利用像素特征点概率密度函数的梯度推导而得， MeanShift算法通过迭代运算收敛于概率密度函数的局部最大值，实现目标定位和跟踪，也能对可变形状目标实时跟踪，对目标的变形，旋转等运动也有较强的鲁棒性。MeanShift算法是一种自动迭代跟踪算法，由 MeanShift补偿向量不断沿着密度函数的梯度方向移动。在一定条件下，MeanShift算法能收敛到局部最优点，从而实现对运动体准确地定位。-MeanShift algorithm is a no
lof
- LOF（局部异常因子）是用于识别基于密度的局部异常值的算法-It uses local outlier mining method to count the Local Outlier Factor(LOF) of the outlier candidated object。
局部聚类算法
- 2014Science-一种基于局部点密度的聚类方法(2014Science- a clustering method based on local point density)