說(shuō)明 除了自身之外，無(wú)法被其它整數(shù)整除的數(shù)稱(chēng)之為質(zhì)數(shù)，要求質(zhì)數(shù)很簡(jiǎn)單，但如何快速的求出質(zhì)數(shù)則一直是程式設(shè)計(jì)人員與數(shù)學(xué)家努力的課題，在這邊介紹一個(gè)著名的 Eratosthenes求質(zhì)數(shù)方法 解。 以背包問(wèn)題為例，我們使用兩個(gè)陣列value與item，value表示目前的最佳解所得之總價(jià)，item表示最後一個(gè)放至背包的水果，假設(shè)有負(fù)重量 1～8的背包8個(gè)，並對(duì)每個(gè)背包求其最佳解。
標(biāo)簽：
上傳時(shí)間： 2013-12-22
上傳用戶(hù)：二驅(qū)蚊器
altera Quartus II FSM使用 可設(shè)定時(shí)間波形，手動(dòng)調(diào)整波形頻率。 (含電路)
標(biāo)簽： Quartus altera FSM II
上傳時(shí)間： 2016-02-13
上傳用戶(hù)：kbnswdifs
提出了一種快速準(zhǔn)確車(chē)輛牌照的分割方法。首先利用形態(tài)學(xué)算子獲取車(chē)牌的候選區(qū)域，剔除較小的和較大的區(qū)域；對(duì)保留的候選區(qū)域利用Trajkovic算法獲取角點(diǎn)；最后對(duì)檢測(cè)后的結(jié)果聚類(lèi)，從而分割出包含車(chē)牌區(qū)域的子圖像。
標(biāo)簽： 分割方法 形態(tài)學(xué) 車(chē)牌
上傳時(shí)間： 2014-01-02
上傳用戶(hù)：hwl453472107
摘 要 該文提出了一種新的圖像閾值分割算法。該算法通過(guò)求取最大模糊熵準(zhǔn)則下，灰度均值直方圖的最佳模糊劃分 參數(shù)來(lái)確定兩個(gè)模糊集 和 ，圖像分割閾值即選取為兩個(gè)模糊集的交點(diǎn)。該算法用 的模糊熵定義適應(yīng)度函數(shù)， . / 01234 采用改進(jìn)的遺傳算法尋求最佳模糊參數(shù)。該文對(duì)遺傳算法的改進(jìn)包括，給出了縮短染色體碼長(zhǎng)的編碼方法和性能良好的 改進(jìn)的單點(diǎn)交叉算子和均勻變異算子。實(shí)驗(yàn)結(jié)果表明，該算法的分割效果與二維模糊熵算法接近，而計(jì)算時(shí)間還沒(méi)有用 到二維模糊熵算法的一半。
上傳時(shí)間： 2013-12-27
上傳用戶(hù)：nanfeicui
基于歸一化互相關(guān)系數(shù)的算法在模板匹配和特征跟蹤中運(yùn)用十分廣泛,但缺點(diǎn)是其計(jì)算量很大. 為此提出了一種在 空間域利用盒形基簡(jiǎn)化互相關(guān)的快速算法,在不修改歸一化互相關(guān)匹配原理的前提下,用原模板圖像在一組正交盒形基張成 的子空間上的投影取代原圖像來(lái)進(jìn)行互相關(guān)計(jì)算,以降低圖像精度來(lái)縮減計(jì)算復(fù)雜度. 實(shí)驗(yàn)說(shuō)明,當(dāng)搜索窗口大小較小時(shí),此 快速算法計(jì)算量明顯小于傳統(tǒng)的頻域快速歸一化互相關(guān)算法. 關(guān)鍵詞:模板匹配歸一化互相關(guān)系數(shù)子空間分解盒形基
上傳時(shí)間： 2016-06-02
上傳用戶(hù)：gxrui1991
文章提出了一種基于Sobel算子和網(wǎng)格的二尺度彩色圖像邊緣檢測(cè)方法.該方法將圖像劃分成預(yù)先設(shè)定大小的網(wǎng)格，在兩個(gè)尺度上對(duì)圖像進(jìn)行分析，完成圖像的邊緣檢測(cè)。首先用Sobel算子求得圖像邊緣，依據(jù)網(wǎng)格內(nèi)含有邊緣像素的數(shù)目以及連通情況將不同的網(wǎng)格分別處理。 然后以網(wǎng)格為數(shù)據(jù)單元，在較大尺度上運(yùn)用Sobel算子得到圖像邊緣。最后通過(guò)設(shè)定數(shù)據(jù)的優(yōu)先級(jí)和使用形態(tài)學(xué)的方法合并兩次計(jì)算邊緣的結(jié)果。該方法充分考慮到了圖像當(dāng)中可能出現(xiàn)的各種復(fù)雜情況，從兩個(gè)尺度分割圖像，彌補(bǔ)了單一方法的不足，提高了分割的正確率。
標(biāo)簽： Sobel 網(wǎng)格 尺度 圖像
上傳時(shí)間： 2013-12-05
上傳用戶(hù)：hxy200501
基于Sobel算子.該方法將圖像劃分成預(yù)先設(shè)定大小的網(wǎng)格，在兩個(gè)尺度上對(duì)圖像進(jìn)行分析，完成圖像的邊緣檢測(cè)。首先用Sobel算子求得圖像邊緣，依據(jù)網(wǎng)格內(nèi)含有邊緣像素的數(shù)目以及連通情況將不同的網(wǎng)格分別處理。 然后以網(wǎng)格為數(shù)據(jù)單元，在較大尺度上運(yùn)用Sobel算子得到圖像邊緣。最后通過(guò)設(shè)定數(shù)據(jù)的優(yōu)先級(jí)和使用形態(tài)學(xué)的方法合并兩次計(jì)算邊緣的結(jié)果。
上傳時(shí)間： 2014-09-08
上傳用戶(hù)：四只眼
在做2維度樣本分類(lèi)的過(guò)程中,若我們能事先畫(huà)出訓(xùn)練樣本在空間中的分散情形,這將有助於我們?cè)谠O(shè)定SVM分類(lèi)器的參數(shù)C的取值範(fàn)圍. 例如:若畫(huà)出的訓(xùn)練樣本的散佈較分散,我們可以得知此時(shí)採(cǎi)用的參數(shù)值可以取在較大的範(fàn)圍. 所以本程式也是讓想要畫(huà)出資料樣本在平面的散佈情形者之一各可行工具.
上傳時(shí)間： 2016-08-19
上傳用戶(hù)：sy_jiadeyi
【二項(xiàng)式係數(shù) 運(yùn)算】Dev-C++ 學(xué)習(xí)，運(yùn)用Dynamic Programming 動(dòng)態(tài)規(guī)劃計(jì)算
標(biāo)簽： Dev-C
上傳時(shí)間： 2016-09-19
上傳用戶(hù)：冇尾飛鉈
使用C#程式語(yǔ)言開(kāi)發(fā)，並執(zhí)行於.NET Framework下；是研習(xí)「蟻拓尋優(yōu)法」不可或缺的軟體工具。系統(tǒng)使用ACO (Ant Colony Optimization)演算公式模擬螞蟻的覓食行徑抉擇。使用者可以設(shè)定費(fèi)洛蒙和食物氣味強(qiáng)度等相關(guān)參數(shù)以及動(dòng)態(tài)設(shè)定障礙物的位置和形狀，研習(xí)螞蟻覓食的最短路徑形成過(guò)程。研習(xí)各種參數(shù)設(shè)定對(duì)螞蟻覓食行為的影響，了解費(fèi)落蒙機(jī)制對(duì)蟻拓尋優(yōu)化法的影響。本系統(tǒng)可支援柔性計(jì)算教學(xué)，研習(xí)蟻拓優(yōu)化法中人工螞蟻的隨機(jī)搜尋模式和啟發(fā)式法則設(shè)計(jì)原理。
標(biāo)簽： 程式
上傳時(shí)間： 2013-12-24
上傳用戶(hù)：anng
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<rt id="ymwwe"></rt>
