马氏距离的matlaB实现

用c#实现卷积神经网络，可以训练识别图片，代码按照卷积神经网络算法思路撰写，准确率

寻优精度高，调节参数少，不受对象约束的特点

我整理上传的量子优化算法源码史上最强合集 包含基本量子优化算法CQA：基于量子遗传算法的函数寻优算法;量子粒子群;量子混沌等等 都是我在写论文中应用的 目前 已经毕业了 代码分享给大家 对搞量子优化的朋友绝对有帮助 ">我整理上传的量子优化算法源码史上最强合集 包含基本量子优化算法CQA：基于量子遗传算法的函数寻优算法;量子粒子群;量子混沌等等 都是我在写论文中应用的 目前 已经毕业了 代码分享给大家 对搞量子优化的朋友 [更多]

OFDM调制解调程序 MATLAB源代码 详细注释

基于Tkinter的Python GUI界面设计，能分条展示数据包的概要信息(summary())，分层解析数据包，可显示数据包的十六进制编码值(hexdump())；在抓包的同时解析数据包(不能等抓包停止后才解析)，可判断IP、TCP或UDP数据包的校验和是否正确；支持BPF过滤器，抓包过程可以暂停和停止；可将数据包存储在pcap文件中，以供wireshark或其它数据包解析工具分析；可以在退出时提示用户进行保存未保存的数据包，进行保存工作；可以在再次开始新的抓包前提示用户保存未保存的数据包。

涵盖大学物理基本公式知识点 公式的总结和积累是应对考试的有效方法！

RNN卷积神经网络，LSTM，使用matlab实现，简单的数据拟合

Vibe算法，可用于动态目标检测， matlab，可以直接运行

用ADO+MFC+ACCESS实现的小型人事管理系统~实现员工信息录入，修改，条件查询，按照word和excel格式导出查询结果记录集。以及系统权限限制管理。对于mfc+ado操作access数据库的使用是个很好的教程~结构简单清晰~注释全面详细~

历年图像质量评价（iqa）论文及代码资料大全（无参考型） 2002年论文 NO-REFERENCE PERCEPTUAL QUALITY ASSESSMENT OF JPEG COMPRESSED IMAGES 附代码 2005年论文 Reduced-Reference Image Quality Assessment Using A Wavelet-Domain Natural Image Statistic Model 附代码 2005年论文 No-Reference Quality Assessment Using Natural Scene Statistics: JPEG2000 附代码 2010年论文 A Two-Step Framework fo r Constructing Blind Image Quality Indices 附代码 2010年论文 A DCT Statistics-Based Blind Image Quality Index 附代码 2011年论文 Blind Image Quality Assessment Using a General Regression Neural Network 附代码 2011年论文 Blind Image Quality Assessment: From Natural Scene Statistics to Perceptual Quality 附代码（牛文） 2012年论文 RRED Indices: Reduced Reference Entropic Differencing for Image Quality Assessment 附代码 2012年论文 Blind Image Quality Assessment Without Human Training Using Latent Quality Factors 附代码 2012年论文 Blind Image Quality Assessment: A Natural Scene Statistics Approach in the DCT Domain 附代码 2012年论文 MAKING IMAGE QUALITY ASSESSMENT ROBUST 附代码 2012年论文 No-Reference Image Quality Assessment in the Spatial Domain 附代码 2013年论文 Objective Quality Assessment of Tone-Mapped Images 附代码 2013年论文 Making a “Completely Blind” Image Quality Analyzer 附代 码 2013年论文 Video Quality Assessment by Reduced Reference Spatio-Temporal Entropic Differencing 附代码