一個強大的定時服務程序，因為經常會遇到要定時作同樣的一件事，但有時又會忘記，所以寫了這個服務程序，有點像Sql的Job定時一樣，可以設定多久執行一次。
標簽： 程序
上傳時間： 2017-06-25
上傳用戶：dbs012280
一份鋰電池充電的電路圖。線路不是很復雜，功能強大。
標簽： 電池
上傳時間： 2014-01-12
上傳用戶：懶龍1988
基于非負矩陣分解（NMF）的人臉特征提取算法，NMF基本思想是找到一個線性子空間W，使的構成子空間的基本圖像的像素點都是正值，而且人臉圖像在子空間上的投影系數也是正數
上傳時間： 2014-01-12
上傳用戶：moerwang
從ML-EM 重建算法入手，分析了貝葉斯模型的一些關鍵點，針對采用傳統方法求解MAP問題的局限性，提出一種用于正電子成像的貝葉斯神經網絡重建算法，為了保留邊緣信息，引入了二進制的保邊緣變量，并應用共軛神經網絡求解，模擬的重建結果表明，應用這種算法可以得到比ML-EM 算法更好的重建圖像@
上傳時間： 2013-12-03
上傳用戶：ztj182002
QMF濾波器在語音編碼中的應用,通過matlab 實驗程序設計和實現二通道鏡像濾波器(QMF、CQF、OQF)在語音編碼中的應用，針對不同的濾波器階數，采用批量算法，實現和比較波形編碼的效率和精度
上傳時間： 2013-12-05
上傳用戶：FreeSky
一種嵌入可讀水印的自適應盲水印算法， 本文提出了一種基于DWT的嵌入可讀水印的自適應盲水印算法,通過分析圖像經離散小波變換后細 節子帶系數的特性,把細節子帶系數的均值和方差作為水印信息的一部分來自適應地修改圖像小波分解后某些細節 子帶的系數值,在滿足水印不可感知性的條件下自適應地嵌入水印信息,實現了水印不可感知性和魯棒性之間的折 衷. 同時,水印的提取無須求助于原圖像,很好的實現了水印的盲檢測. 這里的水印是一幅有實際意義的二值圖像. 實 驗結果和攻擊測試表明,本文提出的算法對JPEG/ JPEG2000 壓縮、添加噪聲、剪切、像素移位等多種攻擊有較強的魯棒 性,同時對直方圖均衡化、對比度調整和高斯濾波等圖像處理操作也具有一定的抵抗能力.
上傳時間： 2017-08-30
上傳用戶：陽光少年2016
為設計一種正交鏡像濾波器組(QM F)的原型濾波器，使川高邊瓣衰減(SLFO R的可變性和組合窗函 數設計了低通原型濾波器，并且應川線性優化使近似重構的誤差最小結果表明，該方法程序運行簡單，優化 算法使計算機處理的速度加快，而且高邊瓣衰減(SLFOR)組合窗減少了能量的泄漏，防止了子帶間的混疊
上傳時間： 2017-08-30
上傳用戶：tuilp1a
批處理感知器算法的代碼matlab w1=[1,0.1,1.1;1,6.8,7.1;1,-3.5,-4.1;1,2.0,2.7;1,4.1,2.8;1,3.1,5.0;1,-0.8,-1.3; 1,0.9,1.2;1,5.0,6.4;1,3.9,4.0]; w2=[1,7.1,4.2;1,-1.4,-4.3;1,4.5,0.0;1,6.3,1.6;1,4.2,1.9;1,1.4,-3.2;1,2.4,-4.0; 1,2.5,-6.1;1,8.4,3.7;1,4.1,-2.2]; w3=[1,-3.0,-2.9;1,0.5,8.7;1,2.9,2.1;1,-0.1,5.2;1,-4.0,2.2;1,-1.3,3.7;1,-3.4,6.2; 1,-4.1,3.4;1,-5.1,1.6;1,1.9,5.1]; figure; plot(w3(:,2),w3(:,3),'ro'); hold on; plot(w2(:,2),w2(:,3),'b+'); W=[w2;-w3];%增廣樣本規范化 a=[0,0,0]; k=0;%記錄步數 n=1; y=zeros(size(W,2),1);%記錄錯分的樣本 while any(y<=0) k=k+1; y=a*transpose(W);%記錄錯分的樣本 a=a+sum(W(find(y<=0),:));%更新a if k >= 250 break end end if k<250 disp(['a為：',num2str(a)]) disp(['k為：',num2str(k)]) else disp(['在250步以內沒有收斂，終止']) end %判決面：x2=-a2*x1/a3-a1/a3 xmin=min(min(w1(:,2)),min(w2(:,2))); xmax=max(max(w1(:,2)),max(w2(:,2))); x=xmin-1:xmax+1;%(xmax-xmin): y=-a(2)*x/a(3)-a(1)/a(3); plot(x,y)
上傳時間： 2016-11-07
上傳用戶：a1241314660
vibe是一種像素級的前景檢測算法，實時性高，內存占有率低，前景檢測準確率高。但是會出現“鬼影”,當然基于對鬼影的處理，也會有相應的對vibe算法的改進。
上傳時間： 2018-03-05
上傳用戶：wyc6117
K-Means算法是最古老也是應用最廣泛的聚類算法，它使用質心定義原型，質心是一組點的均值，通常該算法用于n維連續空間中的對象。 K-Means算法流程 step1：選擇K個點作為初始質心 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 例如下圖的樣本集，初始選擇是三個質心比較集中，但是迭代3次之后，質心趨于穩定，并將樣本集分為3部分 我們對每一個步驟都進行分析 step1：選擇K個點作為初始質心 這一步首先要知道K的值，也就是說K是手動設置的，而不是像EM算法那樣自動聚類成n個簇 其次，如何選擇初始質心 最簡單的方式無異于，隨機選取質心了，然后多次運行，取效果最好的那個結果。這個方法，簡單但不見得有效，有很大的可能是得到局部最優。 另一種復雜的方式是，隨機選取一個質心，然后計算離這個質心最遠的樣本點，對于每個后繼質心都選取已經選取過的質心的最遠點。使用這種方式，可以確保質心是隨機的，并且是散開的。 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 如何定義最近的概念，對于歐式空間中的點，可以使用歐式空間，對于文檔可以用余弦相似性等等。對于給定的數據，可能適應與多種合適的鄰近性度量。
上傳時間： 2018-11-27
上傳用戶：1159474180
