基于MATLAB的图像处理的课程设计（图像处理系统）

Automotive SPICE PRM A-SPICE过程参考模型V4.5 中文版

自己常用的一些cadence的封装库，大家可以下载看看

【实例简介】不是高清版，不过还算看得清楚 线性控制系统工程（英文影印版） 作者：Morris Driels 出版社：McGraw-Hill 出版时间：2000-12-1 丛编项：国际知名大学原版教材系列丛书 《国际知名大学原版教材·信息技术学科与电气工程学科系列（2）：线性控制系统工程》的定位是要为机械工程、电机工程、电子工程、计算机工程等非控制工程专业的本科生提供一本内容适度、实用性强和学时较少的控制理论教材。内容覆盖了经典控制理论和现代控制理论的基础部分，方法包括了频率响应法、根轨迹法和状态空间法。《国际知名大学原版教材·信息技术学科与电气工程学科系列（2）：线性控制系统工程》已被美国多所知名大学采用作为电子工程等专业的本科层次的控制理论教材或主要教学参考书。《国际知名大学原版教材·信息技术学科与电气工程学科系列（2）：线性控制系统工程》的主要特点是，从非控制工程专业本科生对控制理论的需求和教学学时相对要少的实情出发，在体系结构和内容安排上作了富有新意的改革。例如，破除章节式结构、设立专题；破除按一个结论引入例子的惯例，增加来自不同专业工程的研究案例。

这是毕设的程序,包括大津阈值分割,SCHARR滤波器边缘检测,ROI设置,车道检测中用HOUGH进行直线检测,多段折线模拟弯道,以及偏离点检测,及这三部分的跟踪,车辆检测为基于特征检测,采用KALMAN进行跟踪

深度学习领域三大牛LeCun、Bengio和Hinton 联合打造史上最权威综述 Deep learning，跟着大牛脚步逐步成为大牛。

minidwep gtk无法识别网卡问题解决，无线网卡驱动和使用安装教程minidwep gtk无法识别网卡问题解决，无线网卡驱动和使用安装教程

【实例简介】分别包括FMU、IMU和PSM的材料，方便在此基础上，开发属于自己的硬件平台。站在巨人的肩膀的呼吸 就是清新

贾欣乐、杨盐生教授编著的船舶数学模型的经典之作！

ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比

icp点云匹配，及相关点云文件。vs2013