使用神经网络进行脸部识别系统

这里有人工智能的A*算法看能不能帮到你。。我是在里面得到了不少的经验的-here is the AI A* algorithm can do to help you. . I was there to be a lot of experience

算法过程：1.将第一个元素放在树根结点。2.将每个要加进来的元素与树根结点比较，若比树根结点小， 再与左子结点比较，若没有左子树，则把此元素放于左子树。反之，比树根结点大， 则再与右子结点比较，若没有右子树，就把此元素放于右子树。3.重复第2步操作，直到所有的元素都被加入二叉树中

本文档提供了基于openssl的ECDSA算法实现  提供了密钥对生成，签名，验签，获得椭圆曲线的值，设置椭圆曲线的值等接口。

该代码实现了A率和mu率PCM算法，有详细的注释说明，-the code achieved A rate and the rate of PCM mu algorithm, a detailed explanatory notes

分割是图像处理中最重要的任务之一。它包括在像素分为两个或多个组根据其强度水平和门槛值。分割质量，取决于用于选择阈值的方法。古典实现用于多阈值分割是计算代价昂贵的因为他们彻底搜索优化的目标函数的最佳值。根据这种条件下，利用优化的进化途径已扩大。电磁像算法 (EMO) 是人口的一种进化的方法，模仿之间收费，以发展成员的吸引力排斥机制。不同于其他算法，EMO 展品有趣的搜索功能，而保持较低的计算开销。本文介绍了一种基于 EMO 的阈值 （MT） 算法。该方法结合目标函数提出了流行的大津和卡普尔的 MT 方法 EMO 算法的良好的搜索功能。该算法从内部图像直方图的可行的搜索空间的随机样本。这种样品建立 EMO 上下文的每一个粒子而它的质量评价考虑是受雇的 Otsu 或卡普尔方法的功能的目的。价值观的引导下这些客观的候选解集进化透过 EMO 的经营者直到找到最佳的解决办法。该方法生成一种可以有效地识别在为数较少的迭代的数字图像的阈值的多层次分割算法。实验结果表明性能的 EMO 实现数字图像分割的证据。

资源描述本文针对校园环境下移动机器人的定位与避障技术展开研究，并取得了一 定成果，具体研究内容如下： (1)针对校园环境范围大、结构简单的特点，结合RFID传感器信息传递 功能，提出一种大范围拓扑环境学习与建模新方法。根据校园环境上下文信息 需求，设计RFID标签格式，指导机器人进行环境学习，且以标签的分布代表 环境整体结构，由标签内容传递导航任务，由此构建环境模型。 (2)针对激光数据存在噪声干扰的问题，设计了一种动态自适应中值滤 波方法，利用激光数据时间和空间上的相关性，剔除噪声干扰，平滑激光数据。 (3)根据校园道路特点，采用激光传感器利用路沿高度区分路面区域， 完成机器人定位，并针对单一传感器无法可靠定位的问题，提出了基于扩展卡 尔曼滤波的激光与惯导模块角度信息融合方法，大大提高了机器人直道定位的 精度和可靠性。在路口区域，使用RFID、激光、惯导模块与里程计相互配合，

Delta机器人运动学C代码

***

简易地演示操作系统方面的一个重要问题――生产者消费者-simple demonstration to the operating system an important issue-- producers and consumers

这是使用 delphi 的 OCR 人脸识别的源代码。欢迎下载，试用。谢谢您的支持。