搜索资源列表
ST_NetShopSystem
- 胜天购物销售系统前台购买特征: 时代购物系统前台购物车部分界面友好，实现方便轻松的购物环境： 分类浏览商品或使用搜索工具查找商品； 可按价格、商品分类、关键字搜索商品 可打印订单的详细信息以及电子邮件通知； 保存购物车，查看购物车，清空购物车 查看已经提交的订单； 会员注册、享受会员价格； 会员登录； 市场价，会员价和VIP会员价的比较； 为朋友订购商品（送礼物的好办法哦)； 完整的客户服务中心 新品上架展示区，推荐商品展示区，特价商品
D3D9Cartoon
- 现在市面上流行的3D游戏画面越来越炫目，不过也有一些为了营造一种特殊的效果而使用了卡通渲染技术，比如PC游戏中的《杀手XIII》，《忍者神龟》；PS2游戏中的《真红之泪》，《犬夜叉》等等。这些游戏的画面看上去很像漫画，感觉比较有趣。下面就介绍一种简单的实现方法。 所谓用卡通渲染技术绘制的三维物体一般都有两个明显的特征，一个特征是物体表面覆盖着大块的单调颜色，而且光影变化比较剧烈；另一个特征是物体拥有粗重的边缘效果。如果能自己控制光照和阴影，就可以达到目的。而DirectX 9.0 中的顶点
hertt
- 矩阵的最大特征值的幂法. 对于工程计算而言，矩阵的特征值和特征向量都是相当重要和常见的数据，这里给出的幂法是一种常见的求解方法，用的是迭代的思想。 符号说明: 1A为待求的矩阵， 2Uk，Vk为迭代用的列向量。 3最后的最大特征值maxLamda由最后一次的max(Uk)-----求Uk中的绝对值最大的元素的绝对值.所决定。 而maxLamda所对应的特征向量由最后一次迭代的Vk所决定. 主要的想法就是先选一个不为0的初始向量U0!=0，然后按下面的式
harris
- 两幅图像拼成全景图。Harris角点检测选特征点，配对过程比较原始，有点慢，ransac算法提取有效配对点，计算projective transformation.最后拼全景图。 需要CIMG库支持，jpeg图像还需要magickimage库. Linux g++编译通过，编译加 -lX11 -lpthread -ljpeg, windows 下未试验.
MethodofFacialExpressionRecognition
- 为了更准确地识别人的表情，在识别人脸7 种基本表情（愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊讶）时，采用了局域二值 模式技术提取面部特征，进行由粗略到精细的表情分类。在粗略分类阶段，7 种基本表情中的2 种表情被选为初步分类结果（候选表情）。 在精细分类阶段，选用计算加权卡方值确定最终分类结果。采用日本的Jaffe 表情数据库来验证算法性能，对陌生人表情的识别率为77.9％， 其结果优于采用同样数据库的其他方法，且易于实现
NoiseReduction_v1
- 本程式实做了Noise Reductin Algorithm 2005年一个韩国人在ieee发表的Paper Block-based noise estimation using adaptive Gaussian filtering 此论文也收录在资料夹中，供使用者参考。 首先，click open file， 选择第一张原始图(未被杂讯污染) 接下来选择第二张图(有杂讯) 你可以直接点选Noise Reduction观看结果 也可以先调整旁边的th
SHILI10
- 本模块的输入项包括：（1）特征峰的峰高、面积、浓度；（2）用户设定的计算公式。 为避免同样的计算公式，在不同样品的诊断比值计算过程中的多次重复输入。本系统设计了一个全局诊断公式表。如果样品的待计算的诊断比值公式在全局诊断公式表中存在，则用户可以直接在全局表中勾选，即可实现将该所选的公式复制到当前的样品中诊断比值列表中。对于待测样品新增加的而全局表中没有的诊断比值公式，系统也会在全局比值公式表中保存一份，以备以后的重复使用。
Sequential_featureselection
- 该源码是用MATLAB语言编写，目的是实现序列特征选却和RBF网络功能
hunt-1.5
- linux平台上高级的包嗅探和会话劫持工，Hunt能监视、劫持、重设网络上的TCP连接，在以太网上使用才有作用，并且含有监视交换连接的主动机制，以及包括可选的ARP转播和劫持成功后的连接同步等高级特征。-linux advanced platform packet sniffer and session hijacking works, Hunt to surveillance, hostage, to reset TCP connections on the network, in the o
Workpiecefeatureextraction
- 1、有9个工件图像，要求从本章讲授的特征提取方法中，选择3~5种提取工件特征并给出数字结果；链码为必选方法，给出数字结果和图形显示，做到链码和原图像的双向变换显示。（实验报告中应描述相应的特征提取方法并略述实现过程） 2、设计的界面中要具备功能：任选1个工件作为目标，以上述实现的特征提取方法识别该目标的工件类型（即序号），并显示该判别基准特征的数据。 3、有可能的话试用聚类、训练或其他方法对这些工件进行分类。 -err
FFSM
- 浮动顺序搜索算法搜索特征空间生成候选子集-Sequential floating search algorithm to search a subset of the feature space generated candidate
code
- 利用互信息赛选特征，赛选与类别不相关，冗余的特征，保留与类别相关的特征，对特征对类别的贡献率排序，保留前面的K个特征最为最后的特征-Feature selection using mutual information game, not related to race and class selection, redundancy features, retaining the characteristics associated with the category, the character
image-match
- 通过选特征点、图像配准、完成两幅图像的拼接，使用的是vc++的开发环境，可视化界面。-image match
Modified-GramSchmidt
- Modified Gram-Schmidt (MGS)正交化法是利用已有正交基计算新的正交基。既能选择相关特征，又能排出已选特征对后续特征选择的影响。-Modified Gram-Schmidt (MGS)orthogonalization gives new orthogonal basis through original orthogonal basis. It can do the feature selection and eliminate the impact on choosin
20170106RF_Matlab
- 随机森林指的是利用多棵树对样本进行训练并预测的一种分类器，包括两个方面：数据的随机性选取，以及待选特征的随机选取。-Random forest refers to the use of more than one tree to sample the training and prediction of a classifier, including two aspects: random selection of data, as well as the characteristics of
选线
- 配电网保护的故障特征提取，提取故障后的突变量(Fault feature extraction of distribution network protection to extract the mutation after fault)
GlineMalfunction
- 按能量最大的观点自适应提取系统各测点特征频带下的暂态零模电流，并利用暂态零模电流相关性实现故障选线(According to the viewpoint of maximum energy, the transient zero mode current under the characteristic frequency band of each point in the system is extracted, and the fault line selection is realized
ObjectManualCutNew
- 对图片上的特征物可以实现框选或者是描边提取，同时记录坐标，可用于机器学习。(The feature of the picture can achieve frame selection or stroke extraction, while recording the coordinates, can be used for machine learning.)
基于SIFT特征的图像配准（Matlab源代码）
- 基于SIFT的图像匹配配准，代码亲测好用，注释简单易懂，可以提取同名点，进行匹配配准。(Based on SIFT image matching registration, the code is easy to use, the annotation is simple and easy to understand, and the same name points can be extracted for matching registration.)
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码