matlab遗传算法程序（以求解函数的极值为例）

峰值检波电路的仿真与实现与分析（效果明显）

使用LSTM预测铁路客运时间序列，代码在tensorflow 1.3上调试运行通过，解决了网络相关资源的一些坑（很多资源不是tensorflow的版本太旧就是数据与铁路客运数据不太匹配，难以直接运行测试），不需要建立train模型和test模型（被绕了半天，这种测试应该毫无必要），可对不同的超参数组合比较训练误差和学习误差！

基于肤色的人脸检测技术，opencv的调用。本科毕设

Cordova打包IOS平台敏捷框架移动端开发环境安装流程接口说明力软编码规范力软敏捷开发框架开发手册等..

stm32超声波测距程序（STM32F103ZET6）程序，用串口1显示

在matlab下实现两个经典的多目标优化算法：NSGA-II和MOEA/D。NSGA-II是基于非可支配性排序的一种算法，而MOEA/D为基于分解的一种多目标优化算法，两种都属于基于进化的多目标优化算法（MOEA）。

基于视频检测的车辆测速方法 基于视频检测的车辆测速方法《现代电子技术》2009年第23期总第310期b电子技术应用1.4基于灰度的图像匹配图像下端位置在世界坐标中的点(即Pa)距离相机的水由于拍摄范围较小,在两帧间.忽略车辆因远离相平距离,即图像中距离相机的最近点:;D_FAR为图像机产生的几何变化,根据图像块间的灰度差平方和作为上端位置在世界坐标中的点(即P)距离相机的水平距匹配判定依据离,即图像中距离相机的最远点;O为摄像机光心;HsiE=∑/li,j-I1(i,j)76)为图像高度;P为机动车上某一点,该点在图像坐标系式中:1,(i,j是第n帧中车尾处图像块l()为中的纵坐标上(即图像高度方向)对应点Q;dst为机第n+1帧中,从对应于第n帧的车尾位置开始,向上动车上的点P距离摄像机的水平距离;Y为机动车上依次搜索到的图像块的点P距离地面的高度如图2所示,在第87帧的帧差边缘二值图像中(c)由世界坐标中的相互关系可得检测到车尾时,将86帧中车尾区域对应图像作为被匹Z0= arctan(D_NEARH-CAM) (8)配图像(图2(a)),在87帧中搜索与该图像最匹配的位arctan(D-FARH- CAM置(图2(b))。图2(a)、(b)屮矩形框在垂直方向上移动结合图像坐标系的像素,即相机坐标系下车辆移功的距离∠0=(∠甲-∠0)12= arctan/ H/22车辆测速方法∠U= arct an2.1速度测量在各种测速方法中,所有的测速设备都是依据由式(5)可得:式(7)得到的n△s/△(7)利用视频检测方法对午辆进行测速时,Δt为两帧对车辆上任意点P到相机光心连线,与相机垂直图像之间的时间差,可根括摄像机采集帧率计算得到,方向的夹角通常是一个固定值,Δs需要通过图像处理方法在图像∠中= arctan H_CAM-y序列中找到被测车辆实际移动的距离。考虑图中∠中,∠0,∠8∠之间的关系,有:2.2距离测量考虑摄像机架设位置和角度,对两张图像中相匹配∠φ=∠0+(∠4-∠0)/2+∠V1Qn>H/2点建立车辆移动距离模型,如图3所示∠0+(∠9-∠0/2-∠Qv

SystemVerilog 语言参考手册3.1a 中文和英文版合集SystemVerilog 语言参考手册3.1a 中文和英文版合集SystemVerilog 语言参考手册3.1a 中文和英文版合集SystemVerilog 语言参考手册3.1a 中文和英文版合集

keil uVision4的注册机，用法很方便，已测试可行。

代码包含基于差分算法的多聚焦图像融合算法的源代码以及不同图像块清晰度判定方法的源代码。有空间频率，边缘检测，灰度差等方法。