搜索资源列表
SHUFU-YOUHUOSILIAO
- 数字信号处理（Digital Signal Processing，简称DSP）是一门涉及许多学科而又广泛应用于许多领域的新兴学科。20世纪60年代以来，随着计算机和信息技术的飞速发展，数字信号处理技术应运而生并得到迅速的发展。在过去的二十多年时间里，数字信号处理已经在通信等领域得到极为广泛的应用。
rosetta
- 粗糙集软件Rosetta，由挪威科技大学计算机与信息科学系和波兰华沙大学数学研究所合作开发的一个基于Rough集理论框架的表格逻辑数据分析工具包-Set software, Rosetta, by the Norwegian University of Science and Technology, Department of Computer and Information Science, University of Warsaw, Poland Institute of Mathemati
200812269314821998
- 粗糙集软件Rosetta，由挪威科技大学计算机与信息科学系和波兰华沙大学数学研究所合作开发的一个基于Rough集理论框架的表格逻辑数据分析工具包-Rough Set software, Rosetta, by the Norwegian University of Science and Technology, Department of Computer and Information Science, University of Warsaw, Poland Institute of Mat
AI
- 人工智能 智能问题的很重要一点就是学习问题。如果解决了学习，计算机将在很大程度上 具有人的智能。博奕问题是最典型的智能问题，如果评价函数能够很好的学习， 并且是一种自学习，或许意味着学习问题的突破。当然，模式识别中的分界面是 需要学习的，特征恐怕也是需要学习的。SVM是学习的有益探索，不过还需要更完 备的学习理论。 我们现有的数学知识能够解决什么样的问题。当今的数学都是基于集合论的，然而 集合是不能自己产生新的东西的。因此发明到底是发明还
Applied_Data_Mining
- 《实用数据挖掘》 本书对面向应用的数据挖掘方法进行了清晰的阐述，包括经典的多元统计方法、贝叶斯多元统计方法、基于机器学习的数据挖掘方法和基于计算的数据挖掘方法等。介绍了数据挖掘领域中许多最新的研究成果，如关联规则、序列规则、图示马尔可夫模型、基于存储的推理、信用风险和Web挖掘等。并详细介绍了选自实际工业项目的6个应用实例，强调了数据挖掘方法的实用性。 本书主要面向计算机科学、信息管理、应用统计学和经济学等专业的高年级本科生和研究生。对实际从事海量数据分析和处理的技术人员也有很好的指导作用和
KF-Application-in-Navigation
- Kalman滤波实质上是一种实时递推算法，其设计方法简单易行，所需的存储空间小，因此，在工程实际中受到了广泛重视。随着计算机技术的飞速发展，以Kalman滤波技术为核心的现在估计理论也已广泛应用于航天、航空、航海、系统工程、通信、工业过程控制、遥感等各个领域。本文紧密结合Kalman滤波理论在导航、制导领域的应用展开。主要讨论各种导航种类中的惯性导航。讨论Kalman滤波在惯性导航实现以及其与其他种类导航的组合导航实现时的应用。并且建模实现惯性导航的过程，并且比较了在有辅助信息前提下误差均方根的
MeanPShift
- 李志国硕士学位论文:基于Mean Shift算法的目标跟踪.目标跟踪技术在军事、工业、安保、智能交通、医学和科学研究等方面都具有重要的意义，应用前景广阔．目标跟踪把图像处理、自动控制、信息科学有机结合起来，形成了一种能从图像信号中实时地自动识别目标、提取和预测目标位置信息、自动跟踪目标运动的技术，是当前计算机视觉、模式识别与智能系统等领域研究的重要课题．-Li Zhiguo Master Thesis: Based on Mean Shift Algorithm for Target Track
openCV-program
- 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。 -learning on opencv a book supporting source, can be used as learning opencv reference for the beginner, want to learn computer help visual learners
2011_IEEE_meeting_in_China
- IEEE 会议涉及的学科领域主要有：信号处理，计算机网络、多媒体技术，纳米电子 ，自动化控制，机器人技术，机电一体化，广播多媒体系统，显微镜技术，医药生物工程，能源，信息工程管理，光电子，控制，自动化，机器人，生物信息，生物医学工程，网络技术，无线电通信等。 2011年在中国，ＩＥＥＥ将在那些城市的哪些地方举办国际性的学术会议呢？这篇文稿总结的十分详细，供大家参考！-In China in 2011, IEEE in those cities will be where the host i
Computer-vision-based-lpr-System
- 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所 指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提 取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学
shortest-path-problem
- 图与网络是运筹学（Operations Research）中的一个经典和重要的分支，所研究的 问题涉及经济管理、工业工程、交通运输、计算机科学与信息技术、通讯与网络技术等 诸多领域。下面将要讨论的最短路问题、最大流问题、最小费用流问题和匹配问题等都 是图与网络的基本问题。 我们首先通过一些例子来了解网络优化问题。 例1 最短路问题（SPP－shortest path problem）-shortest path problem）
aprioricsharp
- Apriori 数据挖掘算法的C#实现 数据库中的知识发现 (Knowledge Discovery in Databases,KDD) 是利用计算机自动地从海量信息中提取有用的知识 , 是一种有效利用信息的新方法 , 目前已成为数据库领域的研究热点之一。 KDD 的研究焦点在于数据挖掘。数据挖掘是从大型数据库或数据仓库中提取人们感兴趣的知识 , 这些知识是隐含的 , 事先未知的潜在的有用信息。主要包括的方法有 : 分类、回归分析、聚类、关联分析等 [1][5] 。关联规则的提取主要针对大型
bp
- 逻辑性的思维是指根据逻辑规则进行推理的过程 它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理 这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上 2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。-Logical thinking refers to the process according to t
bp_demo
- 逻辑性的思维是指根据逻辑规则进行推理的过程 它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理 这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上 2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。-Logical thinking refers to the process according to t
Artificial-Intelligence
- 《人工智能哲学》收集了人工智能研究领域著名学者的15篇代表性论文，这些论文为计算机科学的发展和人工智能哲学的建立做出了开创性的贡献。人工智能哲学是伴随现代信息理论和计算机技术发展起来的一个哲学分支。-" Artificial Intelligence philosophy" a collection of 15 papers representative of artificial intelligence research famous scholars, these pap
神经网络模式识别
- 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。(Pattern recognition and intelligent syst
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称
canny
- Canny边缘检测是从不同视觉对象中提取有用的结构信息并大大减少要处理的数据量的一种技术，目前已广泛应用于各种计算机视觉系统。