数字与图像处理matlab课程设计

Snake的轮廓线模型继承了上层知识，而轮廓线与目标轮廓的匹配又结合了底层特征。Snake模型与先检测边缘点再将它们连接成边缘的方法不同，轮廓的连通性及角点均影响能量泛函。因此，Snake模型可以通过优化能量泛函得到一个局部最优的轮廓曲线。

netctoss项目所有静态页面，包括html、css、图片、js等

【实例简介】2019.03.14 MATLAB公开教程的PPT，课程内容： 1. 简介 深度学习：直接从数据中进行学习 卷积神经网络：用于图像识别、目标检测、语义分割等任务 2. MATLAB的优势 支持与Tensorflow/Pytorch等开源框架协作 简单易学，高质量的帮助文档和大量示例 高效的开发平台，完整的工具链 实用的数据标注和可视化工具 强大的代码生成功能 支持多平台部署 3. 仅用11行代码实现图像分类 1行代码直接导入经典的Alexnet网络模型 通过摄像头实时采集图像数据，可识别1000种常见物体 4. 迁移学习的力量 基于已有的卷积神经网络进行微调，实现专属图像识别 丰富的预训练模型，包括SqueezeNet, ResNet-18, DenseNet-201, Inception-ResNet-v2等 5. 设计复杂网络的利器：Deep Network Designer 图形交互界面，便于设计和修改复杂的网络 支持一键分析，自动修正网络结构中的错误 6. MATLAB与Tensorflow/Pytorch等开源框架的协作 通过ONNX (Open Neural Network Exchange)共享深度学习模型 支持直接导入Keras和Caffe的模型

图论算法及其MATLAB实现（全书+源代码），里面包含一本书和全部代码

泰坦尼克数据集，包括train.csv/test.csv/gendermodel.csv

基于均匀圆阵的酉阵music算法 通过预处理 将复数问题转化为实数问题 减少的运算量

一个详细CBIR的MATLAB代码，包括HSV直方图特征、Haar纹理特征、GIST特征、形状特征。保证可用。.

该demo使用h5+的功能基于android手机实现了录音，拍照，录像并进行上传下载，播放的功能，采用h5开发移动app，理论是支持android和ios的开发，开发工具采用hbuilder，利用hbuilder打包app在android机上运行，目前只测试了android机

最最最最最原始的学生管理系统 采用文件存储数据 控制台显示 1、综合运用自己所学的Java面向对象程序设计知识，设计一学生成绩管理系统。要求如下：（1）学生的信息包括：学号、姓名、班级、多门课程的成绩等。（20分）（2）系统功能包括：输入、删除、修改、查询学生成绩等。（50分）（3）编码符合规范。（30分）

能够完美运行的分支定界法源程序，很好的学习实例