STM32的RC522程序

本ZIP文件包含了经典的手写数字的bmp数据，共{0,1,2，……，9}10个类，每个类包含500个数据；然后对图片进行二值化处理，采用patch来对每张image提出特征，最后设计神经网络对特征进行训练，并用得到的net来测试TestingSet，经过调解参数，测试精度可以达到95%左右。整个实现过程是基于matlab语言的，code清晰，明了，简单易懂，绝对值得算法爱好者探究。

这是我们2011年获得全国一等奖的论文，经过修改弄成了毕业论文，上面有完成的程序，做电源的朋友可以参考一下

该源码理论上支持未来很长一段时间内的任意delphi版本，需要做的可能只是修改一下DEF定义文件宏。以下是我试验并安装成功的过程。我未安装FMX相应组件，安装方法应该与VCL的一样。需要的自行试验。下边只说VCL安装方法：以XE7为例说明，1.将source目录下相应的dpk文件复制到VCL目录，在VCL目录查找*D21*.dpk,找到所有的DPK文件，全部打开，打开过程中会有一些报错提示，不用管它。编译之后再打开就不会再有了。全部打开后，build all即可。2.TeeTree,TeeMaker两个目录也是一样，找到全部的D21.dpk文件，打开，编译。至此，bpl文件包已安

halcon 卡尺找边(.hdev)

包括了人员档案的管理、物料档案管理、简单物料进仓/出仓信息管理、多物料进出仓信息管理、用户登录与权限设计、统计程序设计与报表打印等多个功能模块

stm32RCT6多路超声波模块测距（多路定时器输入捕获），效果很好几年前传不需要50个字描述，现在为了把系统自动设置的9积分下载改为5积分，就多打了这些字。

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

为美国经典书记《有限元方法编程》，内涵书中自带程序！

基于Census变换及Hamming距离的三维立体重建Matlab程序，用于从左右灰度图像得到视差图。结果经Middlebury标准测试集测试。

采用区域生长的方式分割图像，用户可以用鼠标在其中选取一个种子点并按下回车键，之后会出现分割结果。