特征选择

应用背景蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。关键技术蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。

这个代码用于显示bmp图片，用MFC对话框写的，很简单易懂，对于初学者而言，看不懂太复杂的程序，就看这样的！

加载原始图像，然后进行dwt变换，将水印图像嵌入到图像的子带中。将水印图像嵌入到原始图像的最低子带中，得到具有安全性的水印图像。通过PSNR、MSE和WNR计算性能。

加深理解FIR数字滤波器的时域特性和频率特性，掌握FIR数字滤波器的设计原理与设计方法，以及FIR数字滤波器的应用。

采用肤色分割和气泡排序的方法跟踪手的质心。使用卡尔曼滤波改进了结果；

openCV 离散傅里叶变换，对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。 这一转换的理论基础来自于以下事实：任一函数都可以表示成无数个正弦和余弦函数的和的形式。傅立叶变换就是一个用来将函数分解的工具。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

提出了一种变分光流算法，数据项引入梯度守恒约束来提升算法在光照变化情况下的鲁棒性，平滑项采用光流驱动的各项同性扩散项，保存了运动边缘，并通过openmp多核并使处理，提高了算法的实时性。

用C++程序写得KMEANS算法进行图像分割    基本概念 •       监督学习vs.无监督学习 Ø  监督学习: 发现数据属性与类别属性之间的关联模式。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

PN和GOLD MATLAB程序