小波去噪的MATLAB程序。局部放電試驗中所采集的信號中往往混有白噪聲、周期干擾信號去除。此處采用常用db系列小波中的db6小波進行9尺度的多分辨分解后，根據白噪聲能量特性，估算各尺度的閾值大小，采用硬值進行處理，后進行重構。
上傳時間： 2018-04-30
上傳用戶：hxlthome
應用聯合多重分形理論研究了。一20 cm土層土壤含水率、土壤電導率、砂粒含量、粘粒含量、粗粉粒 含量、土壤粒徑分布體積分形維數、土壤容重、有機質含量的空間變異性與20—40 cm土層對應變量空間變異性在 多尺度上的相互關系。結果表明：相對于0—20 cm土層上述變量的空間變異性，20一40 cm土層粗粉粒含量、有機 質含量空間變異性的變化率最大。土壤電導率、粘粒含量、土壤粒徑分布體積分形維數空間變異性的變化率最小， 砂粒含量、土壤含水率。土壤容重空間變異性的變化率介于兩者之間；多尺度上，0—20 em土層土壤含水率，土壤容 重、有機質含量、粘粒含量、砂粒含量、土壤電導率、土壤粒徑分布體積分形維數、粗粉粒含量與20—40 cm土層對應 變量空間變異性在多尺度上的相關性依次減弱。
上傳時間： 2018-08-13
上傳用戶：閩外莯莯
Reconstruction- and example-based super-resolution (SR) methods are promising for restoring a high-resolution (HR) image from low-resolution (LR) image(s). Under large magnification, reconstruction-based methods usually fail to hallucinate visual details while example-based methods sometimes introduce unexpected details. Given a generic LR image, to reconstruct a photo-realistic SR image and to suppress artifacts in the reconstructed SR image, we introduce a multi-scale dictionary to a novel SR method that simultaneously integrates local and non-local priors. The local prior suppresses artifacts by using steering kernel regression to predict the target pixel from a small local area. The non-local prior enriches visual details by taking a weighted average of a large neighborhood as an estimate of the target pixel. Essentially, these two priors are complementary to each other. Experimental results demonstrate that the proposed method can produce high quality SR recovery both quantitatively and perceptually.
標簽： Super-resolution Multi-scale Dictionary Single Image for
上傳時間： 2019-03-28
上傳用戶：fullout
小波變換是時間（空間）頻率的局部化分析，它通過伸縮平移運算對信號(函數)逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節。
上傳時間： 2019-04-01
上傳用戶：dmwx
Gabor變換屬于加窗傅立葉變換，Gabor函數可以在頻域不同尺度、不同方向上提取相關的特征。另外Gabor函數與人眼的生物作用相仿，所以經常用作紋理識別上，并取得了較好的效果。
上傳時間： 2019-07-12
上傳用戶：DemonISD
在本書中，作者生動地講述了相互聯系的系統的歷史：從瑞士數學家萊奧哈爾德·歐拉18世紀末對圖論的開創性研究，至現代生物學家基于對細胞網絡的了解而展開的治療癌癥藥物的研究等。本書的思想核心是：鏈接是無處不在的，復雜網絡的本質是無尺度網絡。抓住復雜網絡中的樞紐節點，是我們處理復雜數據的基本原則，也是人工智能背后的深度神經網絡的重要基礎。
標簽： 互聯網
上傳時間： 2021-09-16
上傳用戶：清川澹如此
準確量化和預測陸地生態系統碳水通量對于理解陸氣間相互作用，預測未來氣候變化和控制溫室效應具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環境影響，難以區域擴展；模型模擬可實現不同尺度參量估算，但由于理想化假設、模型參數和驅動數據等限制，導致其模擬結果往往與真實值存在較大偏差。模型-數據融合方法主要是通過參數估計和數據同化兩種技術集成觀測和模型信息，建立兩者相互制約調節的優化關系，以提高模型結果與真實值之間的匹配程度。基于該思路，本研究在地面觀測數據、遙感衛星資料以及相關氣候環境數據基礎上，重點突破全球動態植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數優化方法，獲取適宜中國的參數化方案：在此基礎上，引入數據同化算法，將遙感衛星產品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進的模型推廣至中國區域，實現對20002015年中國地區總初級生產力（Gross Primary Productivity GPP）和敬發（Evapotranspiration，ET的空間格局模擬及分析。主要結論如下1）將LP」DGwM中所選出的22個可調參數（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領域）在各自取值范圍內隨機獲得不同的參數組合，結果表明22個參數可引起GPP和ET模擬結果產生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數對GP模擬產生的影響更為顯著。
標簽： 數據融合
上傳時間： 2022-03-16
上傳用戶：shjgzh
第一章 機器學習革命學習算法入門為何商業擁護機器學習給科學方法增壓10億個比爾·克林頓學習算法與國家安全我們將走向何方第二章 終極算法來自神經科學的論證來自進化論的論證來自物理學的論證來自統計學的論證來自計算機科學的論證機器學習算法與知識工程師天鵝咬了機器人終極算法是狐貍，還是刺猬我們正面臨什么危機新的萬有理論未達標準的終極算法候選項機器學習的五大學派第三章 符號學派：休謨的歸納問題特別說明：僅作為愛好者學習使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學習分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費的午餐”定理對知識泵進行預設如何征服世界在無知與幻覺之間你能信任的準確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學派第四章 聯結學派：大腦如何學習感知器的興盛與衰亡物理學家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復仇一個完整的細胞模型大腦的更深處第五章 進化學派：自然的學習算法達爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學得最快，誰就會贏第六章 貝葉斯學派：在貝葉斯教堂里統治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關聯，但不是直接關聯推理問題掌握貝葉斯學派的方法馬爾可夫權衡證據邏輯與概率：一對不幸的組合第七章 類推學派：像什么就是什么完美另一半維數災難空中蛇災爬上梯子起床啦第八章 無師自通物以類聚，人以群分發現數據的形狀擁護享樂主義的機器人熟能生巧學會關聯第九章 解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網絡從休謨到你的家用機器人行星尺度機器學習醫生馬上來看你第十章 建立在機器學習之上的世界性、謊言和機器學習數碼鏡子充滿模型的社會分享與否？方式、地點如何？神經網絡搶了我的工作戰爭不屬于人類谷歌＋終極算法=天網？進化的第二部分
上傳時間： 2022-05-07
上傳用戶：
本書集作者多年來的實踐經驗與研究成果，系統地介紹了微納米加工技術的基礎，包括光學曝光技術、電子束曝光技術、聚焦離子束加工技術、X射線曝光技術、各種刻蝕技術和微納米尺度的復制技術，對各種加工技術著重講清原理，列舉基本的工藝步驟，說明各種工藝條件的由來，并注意給出典型上藝參數，充分分析了各種技術的優缺點及在應用過程過程中的注意事項，全書強調實用，避免煩瑣的數學分析，既注重基礎知識又兼顧微納米加工領域近年來的最新進展及在各高科技鎖域的應用，并列舉了相關參考文獻供進一步深入研究，因此不論是對初次涉足這一領域的大專院校的本科生或研究生,還是對已經有一定工作經驗的專業科技人員，都具有很好的參考價值。
標簽： 微納米加工技術
上傳時間： 2022-07-10
上傳用戶：d1997wayne
三維數據真實反映了對象在三維空間中的形狀，若是三維深度數據，則數據還表征了對象的實際尺度，用三維數據無需考慮投影變換。由于二維的圖象數據本質上是三維物體在二維空間上投影，造成同一對象在投影平面上具有多邊的二維表現，即同一個人的臉部圖像隨姿態而變換的多樣性。與二維圖像相比較，三維人臉數據具有以下的優點：1.用三維數據做人臉姿態檢測遠易于二維圖像，且姿態變化不會使信息造成丟失。2.若不考慮三維數據的獲取過程，則三維數據由于沒有亮度信息，完全不受光照影響。3.因為有三維形狀的直接表述，表情的影響將較圖像更容易處理。通過基于三維數據的人臉識別，有望克服目前基于二維圖像的人臉識別方法所遇到的困難。
標簽： 3D人臉識別
上傳時間： 2022-07-26
上傳用戶：
