应用BP神经网络算法辨识模型参数

利用相关法计算物体的移动-correlation method of mobile objects

我们介绍了图形着色和应用程序在以前的帖子。正如在前面的文章中讨论，广泛用于图形着色。不幸的是，有没有高效的算法供图着色与颜色的最小数目，由于问题是一个已知的NP 完全问题。有近似算法虽然解决这个问题。以下是基本的贪婪算法来指定颜色。它并不能保证使用最低的颜色，但它保证颜色的数量上限。更多 d + 1 颜色的基本算法从不使用其中 d 是给定的图形中的一个顶点的最大程度。

应用背景人脸识别准确率97.18%，1秒完成。可能是复杂的，在光的工作环境是真实的，并支持更多的人的脸在一个场景中的检测，识别关键技术# Matlab C，C + +试着usb_device_id.txt USB设备文件ID号，而不是1或2，所以给它一个尝试。1。人脸识别模式1C1速度：320×240，P4 2.4GHz CPU：图像尺寸小于1秒，（总数无关的图书馆）。2。人脸识别模式1cn速度

均值滤波、中值滤波的计算机实现方法；学习VC++ 6。0 的编程方法；验证均值滤波、中值滤波处理理论；观察均值滤波、中值滤波处理的结果。 实验的软、硬件平台：  

自己写的代码，用改进的ica方法实现盲源分离，效果比传统的盲源分离要好很多，可以直接运行实现。

矩阵处理的C语言源程序 是用C语言处理矩阵问题的一个源程序 很有用的哦-matrix of C language source code is in C language processing matrix of a very useful source of the oh

数值型货币的大写转换(完全版本)-numerical currency conversion of capital (full version)

问题 （或游戏） n 谜题是可能非常熟悉我们作为初学者有访问在人工智能领域的课程。它是闻名其许多的版本和不同的名称，如 8 拼图，15 拼图，宝石拼图，老板的谜题，十五岁，神秘主义者广场的游戏......在最简单的水平，我想说关于 8 拼图。②。A * 搜索算法A * 搜索算法是相关图，并找出方法中常用的问题。这是也选择不只是因为其效力，因为它容易理解和安装。您需要在继续之前了解该算法。那麼，我奖励已经知道关于这一理论，但为方便参考，您可以阅读下面的两个链接：-A * 搜索算法-A * 搜索算法三。问题分析— — 正如在上一篇文章中讨论，有表的状态不会转给目标状态，我们称之为配置有效和无效。他们之间的比率是 ½，这可以很容易认出从查看会计方法可以提供国家目的或不。-它的容易看到每个表的状态是 mxm 置换 （其中 m 是边缘） 的元素，因此其状态空间 （mxm） ！与 8-谜题是 9 ！= 362 880 （m = 3) 和第 15-拼图是 16 岁 ！= 20922789888000 （m = 4）。你不如 m 增加 1 个单位，状态空间增加的非常迅速，这使得 m > 3 很少适用的决议版本。-适用 A * 算法解决这个问题，你需要一个启发式函数 h 来估计每个状态 "s 车牌的价值。有几种方法你可以知道距离作为计算基于方差的细胞数与正确的位置，或简单地数出多少个单元格在错误的位置，......在这里，我选择第一种方法，即平方偏差相比其正确位置的单元格数目。这种计算常用，它被称为曼哈顿。

用C语言实现的角点检测算法，里面是一个word文档，详细描述了角点检测的实现过程，有很强的参考价值：  第一步：利用差分算子对图像进行滤波 第一步：利用差分算子对图像进行滤波 第二步：对Ix2/Iy2/Ixy进行高斯平滑，以去除噪声 第三步：计算角点量 第四步：进行局部非极大值抑制以获得最终角点

75个城市坐标的优化问题-75 cities coordinates the optimization problem