stm32四轴飞行器源码

GN算法的JAVA实现, 需要安装Graphviz2.38等能够直接生成图像, 如不需要, 请自行修改相应代码.

free software based on toyFDTD

一种新的维纳滤波算法，采用c++对bmp图像进行滤波。应用bmp图像的读取，保存及处理。处理效果比一般维纳滤波算法更好。文件包中包含一篇关于维纳滤波的文章。源程序根据文章中算法内容编写。

沃尔什函数（或者，简单地说，沃尔什系统），该系统可以被看作是连续的，模拟的在单位区间三角函数系统的离散，数字对应。不像三角函数，沃尔什函数是仅分段连续的，并且，实际上，是分段常数。该函数使用的值-1和1只，在子区间由二进分数定义。 这两个系统形成一个完整的，正交函数集，在方积函数在单位区间的Hilbert空间L2[0,1]的正交基。两者都是有限的功能，不同的是，比方说，哈尔系统或者富兰克林的系统。  两个三角函数和沃尔什系统承认自然延伸通过周期性从单位间隔。此外，在该单元间隔（傅立叶级数）既傅立叶分析和对实际线（傅立叶变换）都通过沃尔什系统中定义的数字对应的实线R. ，前者是沃尔什序列，而后者 - 哈达玛变换理论。  沃尔什函数和相应的系列和变换查找在物理和工程的各种应用，特别是在数字信号处理。它们被用来在语音识别中，在医疗和生物图像处理，在数字全息和其他领域。  从历史上看，沃尔什函数各numerations已被使用，其中没有一个可以被认为是特别优越于另一个。在下文中，我们将使用所谓的沃尔什 - 佩利记数。

一个复数类的实现方法，虽然简单，但对于初学者对于ｍｆｃ编程很有指导意义，这也是本人初学ｍｆｃ的时候第一个实列。-kind of a complex method, though simple, but for beginners for very mfc programming guide, This is my time learning mfc is an out clause.

应用背景背景为基于深度学习的车辆识别毕业论文 的完成关键技术将处理后的图像进行深度神经网络训练，完成一个深度学习装置，最后使用softmax分类器，对学习特征进行分类

重量级FFT快速傅里叶变换源码和资料，精心收集，如有不足，请指出。Heavyweight FFT Fast Fourier Transform source code and data, carefully collected, if insufficient, please indicate.

应用背景 支持向量机（Support Vector Machine，SVM）是一种新的机器学习方法，其基础是Vapnik创建的统计学习理论（Statiscal Learning Theory，STL）。统计学习理论采用结构风险最小化（Structural Risk Minimization，SRM）准则，在最小化样本点误差的同时，最小化结构风险，提高了模型的泛化能力，且没有数据维数的限制。在进行线性分类时，将分类面取在离两类样本距离较大的地方；进行非线性分类时通过高维空间变换，将非线性分类变成高维空间的线性分类问题。 关键技术 本章将详细介绍支持向量机的分类原理，并将其应用于基于乳腺组织电阻抗频谱特性的乳腺癌诊断。 乳腺是女性身体的重要器官，乳腺疾病类别繁多、病因复杂，其中，乳腺癌是乳腺疾病的一种，逐渐成为危害女性健康的主要恶性肿瘤之一。近年来，乳腺癌等乳腺疾病发病率呈明显上升趋势，被医学界称为“女性健康第一杀手” 。 相关研究结果表明，在直流状态下不同生物组织表现出不同的电阻特性，生物组织电阻抗随着外加电信号频率的不同而表现出较大的差异。常见的电阻抗测量方法有：电阻抗频谱法(Impedance Spectroscopy)、阻抗扫描成像法(Electrical Impedance Scanning，EIS)、电阻抗断层成像法（Electrical Impedance Tomography，EIT）等。电阻抗频谱法的测量依据是生物组织的电阻抗随着外加电信号频率的不同而呈现出较大的差异；阻抗扫描成像法的原理是癌变组织与正常组织及良性肿瘤组织的电导（阻）率相比，存在着显著性的差异，从而使得均匀分布在组织外的外加电流或电压场产生畸变；电阻抗断层成像法则利用设于体表外周的电极阵列及微弱测量电流，提取相关特征并重新构造出截面的电阻抗特性图像。 尽管目前的电阻抗测量结果还存在一些偏差，但相关研究已经证实癌变组织与正常组织的电阻抗特性存在显著地差异。因此，乳腺组织的电阻抗特征可以应用于乳腺癌的检查与诊断中。由于电阻抗测量法具有无创、廉价、操作

公历及阴历算法(Calendar)-calendar and the lunar calendar algorithm (Calendar)

适用于初学者的C#源代码，教你学会画点画线和画面，并且能判断点与折线以及点与多边形的位置关系。代码清晰易懂，重点处附有注释。