2018 世界人工智能产业发展深度分析报告——中国信通院

关于最优化问题，采用 LQ 校正、 参考输入及状态观测器的设计方法来设计最优二次控制器

很好OFDMA的matlab仿真程序，程序简明的对系统进行了仿真，OFDMA入门级资料-OFDMA of matlab simulation program well, the program simple system simulation, OFDMA entry-level data。

这是一本关于计算机视觉教程的书，是本人购买的，这是他的ppt课件，希望对做计算机视觉的人有帮助

这是一套20路的快递柜驱动控制电路，包含485通信，20路柜门驱动电路和单片机控制电路，具有上电自检功能，地址选择功能等。

基于Matlab_Simulink的航天器姿态动力学与控制仿真框架，很实用

SIFT算法入门时看的一篇文章，SIFT算法详解及应用(讲的很详细)SIFT简介SIFTScale Invariant Feature Transform传统的特征提取方法成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。己0]/3/己7彐SIFT简介SIFTScale Invariant Feature TransformSIFT提出的目的和意义分1999年 British columbia大学大卫.劳伊( David g.Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子一SIFT(尺度不变特征变换),这种算法在2004年被加以完善己0]/3/己7SIFT简介SIFTScale Invariant Feature Transform将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法特点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。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。多量性,即使少数的几个物体也可以产生大量SIFT特征向量。经过优化的SIFT算法可满足一定的速度需求。可扩展性,可以很方便的与其他形式的特征向量进行联合。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法可以解决的问题目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:目标的旋转、缩放、平移(RST)图像仿射/投影变换(视点 viewpoint)光照影响(111 amination)目标遮挡( occlusion)杂物场景(c1 utter)噪声己0]/3/己7SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤简述SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。原图像特征点特征点目标的特检测描述征点集特征点匹匹配点矫配正目标图像特征点特征点目标的特检测描述征点集SIFT算法实现物体识别主要有三大工序,1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤关键点检测己。关键点描述彐·关键点匹配4·消除错配点己0]/3/己7关键点检测的相关概念SFTiant Feature Transfor1.哪些点是SIFT中要查找的关键点(特征点)?这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点边缘点、暗区域的亮点以及亮区域的暗点,既然两幅图像中有相同的景物,那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点。所谓关键点,就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点。根据归纳,我们可以看出特征点具有的三个特征:尺度方向大小己0]/3/己7

完整版MATLAB GUI设计学习手记第二版作者：罗华飞

Modbus RTU TCP主站从站类库内有说明文档及C#和VB.net例子程序，很详细，适用于上位机开发人员，内部已打包为dll文件直接对照说明文档和例子程序引用即可，

【实例简介】英国设菲尔德大学遗传算法工具箱（内涵详细使用说明 英文版说明.ps文件 但是非常详细） 现在很通用的matlab的遗传算法的工具箱

【实例简介】用于研究纳米团簇（有机体）程序的遗传算法：用于纳米团簇的遗传算法 奥塔哥研究纳米团簇的遗传算法，包括结构方法和相似性（有机体）程序，旨在对纳米团簇进行遗传算法全局优化。 它的设计灵感来自Roy Johnston集团的伯明翰集群遗传算法和伯明翰并行遗传算法（请参阅JBA Davis, A. Shayeghi, SL Horswell, RL Johnston, Nanoscale, 2015,7, 14032 （ 或）， RL Johnston,Dalton Trans., 2003, 4193–4207 （ 或 如果您是有机体计划的新手，建议在下载之前通过在交互式Jupyter + Binder交互式页面上运行有机体来尝试一下。 在Jupyter + Binder上，您可以在网络上玩生物程序。 您无需安装任何程序即可在Jupyter + Binder上试用有机体。 单击下面的“活页夹”