mllicheng2_bianshi

本论文为数学建模问题的基金投资模型，在实际问题的分析基础上建立了单纯存款模型等()

核查的关键在于对核材料属性准确、有效地识别[1][2]。利用252Cf作为随机脉冲中子源，对其入射核材料所产生的诱发裂变中子脉冲信号进行采集、处理和分析，得到自相关、互相关、自/互功率谱、功率谱密度比等一系列参数，从而反演核材料内部的反应性的情况，便可用于分析和识别核材料，其基本原理就是252Cf中子源驱动噪声分析测量法[(The result shows that the trained Elman neural network is able to identify the characteristics of correlation function, to distinguish different concentrations, and the average recognition rate reaches 90 , with high robustness.)

在MATLAB环境下对图像二值化处理后对图像进行edge的边缘提取，用于数值图像处理的相关领域中。(In the MATLAB environment on the image binarization edge of the image edge extraction, related fields for numerical image processing.)

DSP course Tut1-_Intro

time series prediction use ANN

matalb guui......................(matalb gui.......................)

moteur asynchrone simulation mli

this is a blasius solution by matlab code

1024点matlab仿真，10位输入，12位输出，结果保存在图像中(Matlab simulation of 1024 points, 10-bit input, 12 output, the result stored in the image)

1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配[23]。 c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。 4 SIFT算法步骤： 1） 检测尺度空间极值点 2） 精确定位极值点 3） 为每个关键点指定方向参数 4） 关键点描述子的生成 本包内容为sift算法matlab源码(1 SIFT course of development SIFT algorithm by DGLowe in 1999, the perfect summary of 2004. Later Y.Ke its description of the sub-part of the histogram with PCA instead of its improvement. 2 the SIFT main idea The SIFT algorithm is an algorithm to extract local features in scale space to find the extreme point of the extraction location, scale, rotation invariant. 3 the main features of the SIFT algorithm: a) SIFT feature is the local characteristics of the image, zoom, rotate, scale, brightness change to maintain invariance, the perspective changes, affine transformation, the noise also maintain a certain degree of stability. b) unique (Distinctiveness), informative, and mass characteristics database for fast, accurate matching [23]. c) large amounts, even if a handful of objects can also produce a large number of SIFT feature vectors. d) high-speed and optimized SIFT matching algorithm can even achieve real-time requirements. e) The scalability can be very convenient fe)