搜索资源列表
C++(Circle)
- 算法实现题1-2 平面几何问题 .问题描述： 试用C++ 的类来定义表示简单平面几何对象的抽象数据类型Geometry 。 (1) 用浮点数定义2 个几何量m1 和m2；m2 的缺省值为0.0。 (2) 实现2 个构造函数：允许用1 个参数或2 个参数声明几何对象。用1 个参数r 声明 的几何对象为半径为r 的圆；用2 个参数r1 和r2 声明的几何对象为r1′r2 的矩形。所声明 的几何对象的中心在原点。 (3) 定义计算几何对象的面积，周长和对角
recognize
- 1. define : 读取 \"参考文字&符号\" 影像文件，寻找出影像中之对象，藉由人工定义其代表之意义，储存对象影像并计算其 7项不变矩。 2. autofindout : 读取 \"辨识文章\" 影像文件，寻找出影像中之对象，储存对象影像以及其位置数据 (供辨识程序输出文字时使用) 并且计算不变矩，依位置数据由左至右，由上而下，将影像对象排序，并标定出影像对象之中心位置。 3. recognize : 将已排序之\"辨识文章\"影像对象分别对\"参考\"影
MeanShift
- meanshift聚类，找到聚类中心,以及数据的类别
center
- matab环境下对所给数据进行中心化预处理
SARDopplerEstimation
- 从回波中估计多普勒参数是合成孔径雷达运动补偿的关键。文中研究了多目标回波对参数估计的影响，从理论上推导了估计多普勒中心和调频率对回波的不同要求，并用两个指标举例分析了一段实测机载SAR数据，给出了实际应用中参数估计时选择回波的原则。-Doppler parameters estimation from radar echoes is a key step in SAR(Synthetic Aperture Radar}motion cornpensation． This paper rese
preprocess
- 数据预处理程序，可对数据进行聚类，得到聚类中心-data cluster
PCA
- 对数据的独立性进行分析，对数据的预处理（中心化和白化处理）-The independence of data analysis, data pre-processing (center-based and the whitening process)
ALC_Ray_Caster
- 本文介绍的剪切图像顺序光线投射，一个新的体绘制方法。这种方法使得采样数据在图像质量相当于三个尺寸，最好的射线每像素体绘制算法（全图顺序），而在同一时间计算复杂度和保留空间相干性接近已知的最快算法（剪切变形）。在剪切图片的顺序，如剪切，弯曲，体积数据集重新取样片沿平行于其他物体的射线。不同剪切变形，但象纹理为基础的方法，射线演员通过对图像的像素的平面和样品中心点是在与每个切片射线的交点。-This paper describes shear-image order ray casting, a
K-Means
- 这个目录包含了K - means算法的代码实现。源代码可以发现在KMEANS.CPP。样本数据isfound在KM2.DAT。 KMEANS程序接受输入向量的组成和计算使用K - means算法的集群中心。输出被定向到屏幕上。 -This directory contains code implementing the K-means algorithm. Source code may be found in KMEANS.CPP. Sample data isfound in KM2.D
reco
- MRI 读入k空间数据调整中心并进行傅里叶变换显示图像-MRI k-space data is read into the center and adjust the display image Fourier transform
MODIS_MetaFilesInfo
- 这个代码可以获取modis数据的一些信息，如获取时间，产品类型，经纬度坐标，四个角点坐标，中心坐标等等。-This srcipt can obtain some info of the modis product. For instance, acquire data, product type, lati&logi, four coner coordinate, central coordinat ext.
K-means
- 在诸多的图像分割算法中，K-means聚类方法体现出了高效性和简洁性。该代码完整实现了k-means算法，并利用该算法进行图形分割。k-means 算法接受参数 k，然后将事先输入的n个数据对象划分为 k个聚类以使得所获得的聚类满足：同一聚类中的对象相似度较高，不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。-This code implements the K-means method for image segmentation,
FAST-ICA
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
FAST-ICA11
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
1756456
- 设计了一种基于TMS320C6455与FPGA 的实时图像跟踪系统，该系统首先采用MAX9526 采集图像，利用FPGA 对图像进行均值滤波，滤波后数据采用乒乓方式传输给DSP。Mean Shift 跟踪算法采用图像像素灰度距离中心点的距离作 为目标特征建立核函数，实现对目标的实时跟踪。实验表明，该系统具有良好的实时性与稳定性。-Designed a real-time image-based tracking system TMS320C6455 and FPGA, the system
CK-1_Repro.v1.02
- 有时间序列方法和技术的兴趣大增。从人，自然收集的信息几乎每一件，和生物过程是容易随时间的变化，以及这些变化如何发生的研究是一个中心问题充分理解这样的过程。所有的时间序列数据挖掘任务的分类中，可能是最突出的一个。在时间序列的分类有大量的实证研究，在时间域表明近邻规则是非常有效的。然而，一定的时间序列特征不在这个领域很容易地识别和表达的变化可能揭示了一些重要的和未知的特征。在这项工作中我们提出了递归图的使用对于时间序列的分类表示域。我们的方法复发措施地块使用坎帕纳基奥之间的相似性（CK-1）的距离，
AP聚类
- AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。(AP clustering algorithm is a kind of clustering algorithm based on "information transfer" between data points. Unlike the k- mean algorithm or the k center point