bp神经网络 simulink

可以求的网络的最短路径,直径,介数，度分布， 聚类系数-Can network seek the shortest path, diameter, referred to the number of degree distribution, clustering coefficient

B样条插值的现成matlab程序，3次均匀B样条插值函数

STM32实现modbus主机协议，希望对大家有帮助！

人脸检测作为物体检测问题的一个特例,长期以来一直备受关注,已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。 本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。利用目前较为流行的AdaBoost算法的一个改进算法——Gentle AdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。通过一系列的比较得出样本选取、特征选取、核心算法

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

音频去噪，去除高斯噪声，效果很好，算法来源：iee论文。本资源里面有论文，及作者提供的相应matlab代码，以及我为了翻译为c修改后的matlab代码以及c代码，以及详细的版本说明及测试结果。

在图像处理中,图像增强技术对于提高图像的质量起着重要的作用"它通过有选择地强调图像中某些信息而抑制掉另一些信息,以改善图像的视觉效果,将原图像转换成一种更适合于人眼观察和计算机进行分析处理的形式"本文着重对图像增强方法中的灰度变换!直方图均衡化!模糊增强进行了深入的研究,针对增强过程中遇到的一些问题,提出了相应的解决方法"对于分段线性变换方法中如何划分灰度区间进行变换这一关键问题,给出了基于区域分割的分段线性变换方法,加快了调整灰度区间的过程,提高了算法的执行效率"为了适应图像的局部亮度特性,给出了基于抛物线调整的直方图均衡化方法,可以调节图像的明暗程度,增强区域的对比度,同时给出了一种选

对排样优化算法的研究资料，对于需要矩形排样算法的朋友非常有用。基于改进免疫遗传算法的矩形件排样

中国移动2018年校园招聘考试笔试题库讲义复习资料赠送历年真题

在9999年之前的任何quartus II版本都可以永久破解，超多IP核可供使用，使用本license文件时文件名不能有汉字和空格，在quartus II 13.1亲测可用