C图像处理算法集

砝码称重问题！ 用1,2,5,10,20,50的砝码称出1到88的物重-weight problem! With 1, said 2,5,10,20,50 weight 1-88 out of the weight

资源描述图像去噪图像处理中的非局部均值算法。不同于“局部均值”的过滤器，它采取的平均值的一组像素周围的目标像素的平滑图像，非局部均值滤波，以平均的所有像素的图像，加权类似这些像素的目标像素。这导致了更大的后过滤的清晰度，减少损失图像中的细节与局部均值算法比较。

载波生成器+博立业算法分析器。多功能，主要用于演示。-FFT

近年数学建模竞赛优秀论文，具有较大参考价值-Mathematical Contest in Modeling in recent years excellent papers, with a larger reference value

解决有向图的广度深度遍历的一种算法，原创性很强，可以手动输入节点的连线，自动生成邻接矩阵，然后通过邻接矩阵分别计算出广度优先遍历的次序和深度优先遍历的次序。

有限元传热算例--The example of calculation of finite element heat transferring

应用BP算法实现模型辨识。 程序中给定输入，和实际输出，辨识模型可跟随真实输出值。绘制误差图，模型输出与真实值的对比图。

线性最小二乘估计算法是应用最广泛的参数估计方法,它在理论研究和I:程应用中都具有重要的作用。后续发展起来的卡尔曼滤波参数估计算法同样也在这两方面起到很重要的作用。本章中对目标的运动建立较为简单的数学模型,并用最小二乘和卡尔曼滤波对其参量进行估计,经过拟 合推出目标轨迹。通过大量的仿真实验,验证卡尔曼滤波估计在目标跟踪定位系统中的定位跟踪效果要好于最小二乘估计。

算法大师Donald E.Knuth的经典著作《Concrete Mathematics具体数学》，算法学习的基础-algorithm master Donald E. Knuth classics "Concrete Mathe Matics specific math. "the foundation of learning algorithm

（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。 （2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。 （3）程序运行后，生成的两个h文件为产生的脉冲响应函数。Msls6.dat为msls6.c的参数估计结果，msls8.dat为msls8.c的参数辨识结果。分别如下所示： a1=0.906331 a2=0.160170 a3=0.025525 b1=0.704475 b2=-1.497551 c1=1.009114 c2=0.446890 a1=0.906347 a2=0.159066 a3=0.024650 b1=0.700720 b2=-1.493327 c1=1.008787 c2=0.425714 （4）由数据结果可以看出，采用msls辨识方法估计精度要比els法的估计精度差一些。尤其是噪声参数c2的估计误差不在1％以内。这是由于msls法计算上较为简便，计算上的简化就带来了估计精度上的误差。由N=600和N=800相比较，可以看出当N增大时，误差有所减小。理论上当N趋于无穷时， 。 -err