labvIEW PID控制程序

工具环境:openCV2.48Qt5.2.1 用的是VS2010的编译器videoInput 0.1995 最近使用Qt+openCV获取摄像头的图像但是仅仅只是使用openCV自带的方法显示图像时,发现计算机CPU使用率比较高,最主要的一点是摄像头驱动自带的设置图像参数的无法直接调用出来网上查找了很多资料发现 openCV内部是使用了videoInput类的方法实现的.但是没有引用它自身的方法.经过几天的研究,成功使用videoinput显示摄像头图像,并且可以弹出摄像头驱动自带的图像设置窗口,不过好像那种USB免驱动的摄像头无法打开,因为用不到就没深入探究.

投屏功能的实现，MediaCodec编解码，MediaProjection获取屏幕视频，WebSocket传视频数据，SurfaceView显示。小demo，演示使用。时间有点赶，重新打包了一份，有问题可以交流一下。

OpenCV3.0实现SIFT特征提取+RANSAC剔除误匹配点，首先进行提取SIFT特征点。然后再通过RANSAC剔除误匹配点

分析了间歇混沌模型振子的混沌特性， 利用 振子的非平衡相变对微小信号具 有敏感性及对白噪声和与参考信号频差较大的周期干扰信号具有免疫力的性质， 采用混沌振子阵列实现 对噪声背景下微弱信号的检测； 并采用梅尔尼科夫方法作为混沌判据， 该方法的优点在于可以直接进行解 析计算。仿真实验表明： 该检测方法简单、 有效，测的精度比较高

历年试题简答题答案，很有用的考试资料，开卷必备二者的区别就在于,确定性的每·步只有种选择,而非有多种选择,由些可见,非的计算能力比确定性强得多。时间复杂性即从开妈直至进入停机状态所运行的步数,同理空间复杂度归并排序算法和快速排序算法各自强调了那个方面?各自提高效率的策略是什么?归并由分解与合并两部分组成。提高的话一个是当元素比较少时,可以直接进行排序,比如插入排序。这比分解合并要快得多。二是尽量采用链表结构,因链表结构的移动要快于数组决排也是利用分治法排序。主要过程为划分。些改进的方法在确定第小元素时,就是将个元素分为一段这种方法复杂性可达到()二.(分)试用算法求解下面无向赋权图的最小生成树,指出最小生成树及该树中各边被选中的先后次序;写出算法的基本步骤。iTCHY181513,(81347166120解:根据算法,从开始,选择和加入集合找出集合中顶点相邻的最小权值点加入集合依次为基本步骤:从第一个结点开始,加入集合每次选择中顶点与外的顶点权值最小的顶点,加入集合直到集合包含所有顶点分)用—分枝限界算法求解背包问题:,物品重量和价值分别是画出由算法生成的状态空间树,并标明各节点的优先级的值;给出各节点被选作当前扩展节点的先后次序;给出最优解。解具体步骤就不写了四.(分)已知一组数满足,且被搜索的对象的概率分布是a=0.1.a1=0.01,a2=0.02,a3=0.04,a4=0.03,c=0.2h=015.b2=005b=075b=025b3=0075其中表示被搜索对象在区间内的概率,表示被搜索对象为的概率,使用动态规划算法求该搜索门的最优二叉搜索树。解:各了树的根:最优二叉树结构是根是的左孩子是的左孩子是的右孩子是的左孩子是的左孩子是的右孩子是的右孩子是的右孩子是的左孩子是的右孩子五.分假定已知“无向图的回路”问题是问题,证明“旅行商判定问题乜是问题。解:首先,旅行商问题是的,因为对其解的任一猜想,要检验它是否是最优的,需要同所有其它的环游戏比较,这样的环游会有指数个,因而不可能在多项式吋间内完成考虑图的哈密顿回路问题,已知无向图构造其对应的旅行商问题为()属于边,,否则显然,这一变换可以在多项式时间内完成,而且,有哈回路的充分必要条件是上述构建的旅行商问题有解,且解对应的路长度为,因为,若中不含哈回路,则路长至少为因为已知哈回路问题是问题,并且上述变换为多项式变换,所以旅行商问题也为问题

alternating direction method of multipliers优化算法讲解OutlineDual decompositionMethod of multipliersAlternating direction method of multipliersCommon patternsExamplConsensus and exchangeConclusionsDual decompositionDual problemp convex equality constrained optimization problemminimizesubject to Ax= 6e Lagrangian: L(a, g)=f(a)+y(Ac-bdual function: g(y)=infx L(, g)e dual problem: maximize g(g)recover x*=argminL(, y*)Dual decompositionDual ascentgradient method for dual problem: y+l=yk +aVg(yky ")=A c-b, where a= argmin L(a, y")b dual ascent method isk+1gminz L(a, yk/-minimization(Axk+I-b)// dual updateworks, with lots of strong assumptionsDual decompositionDual decompositione suppose f is separablef(x)=f1(x1)+…+fN(xN),x=(x1Nthen L is separable in x: L(a, y)=L1(a1, 3)+...+Ln(N, 3)-y bLi(ai, y)=fi(ai)+y Aiaie -minimization in dual ascent splits into N separate minimizationsk+1argmin Li(li, y)Which can be carried out in parallelDual decompositionDual decompositiondual decomposition(Everett, Dantzig, Wolfe, Benders 1960-65k+1argLi(ei, y)N A: k+scatterupdate i in parallel, gather Ai k+solve a large problemby iteratively solving subproblems(in parallel)dual variable update provides coordinationworks, with lots of assumptions; often slowDual decompositionOutlineDual decompositionMethod of multipliersAlternating direction method of multipliersCommon patternsExamplConsensus and exchangeConclusionsMethod of multipliersMethod of multipliersa method to robustify dual ascentb use augmented Lagrangian(Hestenes, Powell 1969),p>0(, y)=f(c)+y(Ax-b)+(p/2)Acmethod of multipliers( Hestenes, Powell; analysis in Bertsekas 1982)k+1argmin Lp(a, yD(A.(note specific dual update step length pMethod of multipliersMethod of multipliers dual update stepoptimality conditions( for differentiableAcx-b=0, Vf(a*)+A(primal and dual feasibility)Since ah+1minimizes Lp(a, y)k+1 kf(x4+1)+A7(y+p(AVxf(at)+adual update yti=y+p(k+1k+1dual feasibleprimal feasibility achieved in limit: A k+I-b>0Method of multipliers

Hidden SemiMarkov models 主要是改进HMM存在状态保持时间的局限性，引入了持续时间的函数显式表达

Qt是一个跨平台的C++图形用户界面应用程序框架。它为应用程序开发者提供建立艺术级图形用户界面所需的所有功能。它是完全面向对象的，很容易扩展，并且允许真正的组件编程本资料采用PPT文档，共分23章详细介绍QT5技巧

libcurl支持https的dll和lib，包含相关头文件，vs2010亲测可用，对应博客地址:https://blog.csdn.net/woniu211111/article/details/83088640

matlab相机标定，直接线性法，透视投影矩阵法