求取图像的相关系数---matlab ---M文件

安世亚太的经典培训资料,ppt转为pdf版本 共201页

利用有限元法（FEM）求解两端简支或固定梁的固有频率的matlab程序及详细解释，个人编写，欢迎交流指正。

SAR成像算法的经典算法所对应的源程序，包括RD算法，CS算法，及RMA算法matlab程序

内含本人搜集整理的55个LABVIEW应用实例。

根据无线电波传输的有关理论，本文研究了无线衰落信道模型，完成了一种基于正弦和的衰落信道建模设计，并对已有的瑞利衰落模型进行完善。本文首先分析了无线移动信道的重要特征及各种衰落作用的机理，并在此基础上进行了数学建模，接着阐述了该模型的软件实现过程并给出部分实验结果，然后针对己有的模型进行优化，最后给出了部分测试结果。通过测试表明，两个衰落信道均能够实时模拟窄带信道条件下实际无线通信信道的主要特性，所介绍的瑞利信道模型的主要特点是灵活性强，适用范围广。无线移动信道复杂多变，对它进行深入的研究有利于减少信道衰落对通信系统的影响，改善通信质量。

复杂网络平均路径长度的m文件,先将复杂网络存储为矩阵,再对其matlab编程,

一种基于FFT得快速图像匹配 matlab 带有图片 可运行

ZYNQ-ZC7020硬件原理图和PCB图，亲测可用ZYNQ-ZC7020硬件原理图和PCB图，亲测可用ZYNQ-ZC7020硬件原理图和PCB图，亲测可用

基于卷积神经网络的图像识别 基于卷积神经网络的图像识别关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明:所呈交的学位谂文是本人在导师的指导下独立完成的,对所研究的课题有新的见解。据我所知,除文中特别加以说明标注和致谢的地方外,论文中不包括其它人已经发表或撰写过的研究成果,也不包括其它人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意在此本人郑重承诺:所呈交的学位论文不存在舞弊作伪行为,文责自负。学位申请人(学位论文作者)签名:亚强2015年5月20日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者,本人完全了解并同意河南大学有关保留、使用学位论文的要求,即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授衩河南大学出于宣扬、展览学校学术发展和进行学术交流等目的,可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文(纸质文本和电子文本)(涉及保密内容的学位论文在解密后适用本授权书)学位获得者(学位论文作者)签名:卫2015年5月20日学位论文指导教师签名:2015年5月20日摘要Deep learning是机器学习研究的新领域,掀起了机器学习的新浪潮,在各个行业都受到了广泛的关注。 Google brain项目、微软全自动同声传译系统、百度硏究院等都是 deep learning技术发展的见证。随着大数据和深度模型时代的来临,deeplearning技术也得到了广泛的重视和发展,它带来的技术进步也必将改变人们的生活随着机器学习领域的发展,最近几年对卷积神经网络的研究也越发深入。现在卷积神经网络已经广泛的应用到各种领域,并取得了巨大的成果。卷积神经网络是在人工神经网络的基础上发展起来的·种高效的识别算法。典型的积网络结构是由 Lecrn提出的 LeNe t-5,它包含多个阶段的卷积和抽样过程,然后将提取到的特征输入到全连接层进行分类结果的计算。卷积神经网络通过特征提取和特征映射过程,能够较好的学习到图像中的不变特征。现在研究人员在典型的 LeNet5的基础上,使用多种方法改善卷积网终的结构和性能,从而提高网终的通用性和对图像的识别效果。本文结合图像的特点,在深入硏究了卷积网络的理论和国内外研究成果的基础上主要做了以下工作:(1)研究了卷积网络的训练算法,通过对算法分析,调试并找到最优初始化参数和最适应的网络结构配置。(2)对于分类结果的计算,使用了多区域的测试方法,通过在测试的过程中对图像的多个区域进行计算能够提高图像识别的准确率。〔3)为系统设计了一个通用的数据集输入接口,可以将自己构建的图像薮据集输入到卷积神经网络的结构中,训练和查看图像分类的结果。(4)在卷积层使用了局部偏差垬亨和非共亨两种方法,在数据集上测试并进行结果分析。(5)在隐含层使用了网络泛化的方法 DROPOUT,在数据集上测试并进行结果分析。通过以上改进方法的使用,卷积网络的通用性和性能得到了提高。关键词:,图像识别,特征提取

本资源内qss可直接添加到工程中我的资源，然后调用即可一键换肤