圖像像素級邊緣檢測程序，主要基于soble算子與Hough變換
上傳時間： 2017-06-15
上傳用戶：ynsnjs
微粒群算法與其它進化類算法相類似，也采用“群體”與“進化”的概念，同樣也是依據個體（微粒）的適應值大小進行操作。所不同的是，微粒群算法不像其它進化算法那樣對于個體使用進化算子，而是將每個個體看作是在n維搜索空間中的一個沒有重量和體積的微粒，并在搜索空間中以一定的速度飛行。
上傳時間： 2014-11-21
上傳用戶：teddysha
圖像的邊緣是指圖像中鄰域灰度有顯著變化 的像素的集合。它是圖像的基本特征, 因此邊緣檢 測方法在圖像處理中成為一個十分重要的課題。經 典的邊緣提取方法是考察圖像的每個像素在某個鄰 域內灰度的變化, 利用邊緣鄰近一階或二階方向導 數變化規律, 用簡單的方法檢測邊緣。但是, 因為邊 緣和噪聲都是高頻信號, 因此許多經典邊緣檢測算 法很難在邊緣和噪聲中做出取舍。在眾多的邊緣檢 測算子中, 算子因為具有優良的邊緣檢測能 力, 因此在圖像處理中得到廣泛應用。
上傳時間： 2014-01-08
上傳用戶：zhanditian
采用了保優的選擇遺傳算法 終止條件的判斷是：到達一定的代數。可改進為：相鄰若干代的種群平均適應值的變化來判斷。若相鄰若干代的種群平均適應值為變化或者是變化小于某一閾值，表示算法已經收斂，則退出算法。 選擇算子：輪盤賭選擇； 交叉算子：單點交叉,隨機選擇計算此適應度值，若大于當前最佳適應度值則降低交叉概率，否則不變； 變異算子：模板,對于優勢個體，除采用低概率變異外，變異位置應采取權值越大，變異概率越小的原則,而對劣勢個體則相反.
上傳時間： 2017-09-02
上傳用戶：shinesyh
遺傳算法為群體優化算法，也就是從多個初始解開始進行優化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。 優化時先要將實際問題轉換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應注意將染色體解碼到問題可行域內。 遺傳算法模擬“適者生存，優勝劣汰”的進化機制，染色體適應生存環境的能力用適應度函數衡量。對于優化問題，適應度函數由目標函數變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數或者加負號處理。SGA要求適應度函數>0，對于<0的問題，要通過加一個足夠大的正數來解決。這樣，適應度函數值大的染色體生存能力強。 遺傳算法有三個進化算子：選擇（復制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據一定的扇形區域，扇形區域的面積大小和染色體的適應度大小成正比。如果輪盤中心裝一個可以轉動的指針的話，旋轉指針，指針停下來時會指向某一個區域，則該區域對應的染色體被選中。顯然適應度高的染色體由于所占的扇形區域大，因此被選中的幾率高，可能被選中多次，而適應度低的可能一次也選不中，從而被淘汰。算法實現時采用隨機數方法，先將每個染色體的適應度除以所有染色體適應度的和，再累加，使他們根據適應度的大小分布于0-1之間，適應度大的占的區域大，然后隨機生成一個0-1之間的隨機數，隨機數落到哪個區域，對應的染色體就被選中。重復操作，選出群體規模規定數目的染色體。這個操作就是“優勝劣汰，適者生存”，但沒有產生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據選擇概率來確定是否進行交叉（生成0-1之間隨機數，看隨機數是否小于規定的交叉概率），否則直接進入變異操作。這個操作是產生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點變異，對于二進制位串，0變為1，1變為0就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數，看是否小于規定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。 遺傳算法認為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現象，所以采用最佳個體保留法，也就是曾經出現的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現的最優個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導致過早收斂。 由于是基本遺傳算法，所以優化能力一般，解決簡單問題尚可，高維、復雜問題就需要進行改進了。 下面為代碼。函數最大值為3905.9262，此時兩個參數均為-2.0480，有時會出現局部極值，此時一個參數為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優模式保留，結果會更豐富些，也就是算法最后不一定收斂于極值點，當然局部收斂現象也會有所減少，但最終尋得的解不一定是本次執行中曾找到過的最好解。
標簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
對兩個信號進行計算，計算出匹配算子，實現一種信號向另一種信號的靠攏。
標簽： 濾波技術
上傳時間： 2017-11-02
上傳用戶：739674020
高等學校教材:全書共四章。內容有：矢量分析；場論；哈密頓算子；梯度、散度、旋度與調和量在正交曲線坐標系中的表示式等。
標簽： 矢量分析
上傳時間： 2021-11-03
上傳用戶：nhhrzh
邊緣（edge）是指圖像局部強度變化最顯著的部分.邊緣主要存在于目標與目標、目標與背景、區域與區域（包括不同色彩）之間，是圖像分割、紋理特征和形狀特征等圖像分析的重要基礎.圖像分析和理解的第一步常常是邊緣檢測（edge detection）.由于邊緣檢測十分重要，因此成為機器視覺研究領域最活躍的課題之一.本章主要討論邊緣檢測和定位的基本概念，并使用幾種常用的邊緣檢測器來說明邊緣檢測的基本問題圖像中的邊緣通常與圖像強度或圖像強度的一階導數的不連續性有關.圖像強度的不連續可分為：（）階躍不連續，即圖像強度在不連續處的兩邊的像素灰度值有著顯著的差異（2）線條不連續，即圖像強度突然從一個值變化到另一個值，保持一個較小的行程后又返回到原來的值.在實際中，階躍和線條邊緣圖像是很少見的，由于大多數傳感元件具有低頻特性，使得階躍邊緣變成斜坡型邊緣，線條邊緣變成屋頂形邊緣，其中的強度變化不是瞬間的，而是跨越一定的距離，這些邊緣如圖6.1所示對一個邊緣來說，有可能同時具有階躍和線條邊緣特性.例如在一個表面上，由一個平面變化到法線方向不同的另一個平面就會產生階躍邊緣：如果這一表面具有鏡面反射特性且兩平面形成的棱角比較圓滑，則當棱角圓滑表面的法線經過鏡面反射角時，由于鏡面反射分量，在棱角圓滑表面上會產生明亮光條，這樣的邊緣看起來象在階躍邊緣上疊加了一個線條邊緣.由于邊緣可能與場景中物體的重要特征對應，所以它是很重要的圖像特征。比如，個物體的輪廓通常產生階躍邊緣，因為物體的圖像強度不同于背景的圖像強度在討論邊緣算子之前，首先給出一些術語的定義：邊緣點：圖像中具有坐標[門且處在強度顯著變化的位置上的點邊緣段：對應于邊緣點坐標[，門及其方位，邊緣的方位可能是梯度角邊緣檢測器：從圖像中抽取邊緣（邊緣點和邊緣段）集合的算法
上傳時間： 2022-04-22
上傳用戶：bluedrops
描述線性算子的結構是線性代數的中心任務之一，傳統的方法多以行列式為工具，但是行列式既難懂又不直觀，其定義的引入也往往缺乏動因。本書作者獨辟蹊徑，拋棄了這種曲折的思路，把重點放在抽象的向量空間和線性映射上，給出的證明不使用行列式，更顯得簡單而直觀。本書把行列式的內容放在了zui后講解，開辟了一條理解線性算子結構的新途徑。書中還對一些術語、結論、證明思路、提及的數學家做了注釋，增加了行文的趣味性，便于讀者掌握核心概念和思想方法。本書起點較低，不需要太多預備知識，而特色鮮明，是公認的闡述線性代數的經典佳作。原書自出版以來，迅速風靡世界，在30多個國家為200多所高校所采用，其中包括斯坦福大學和加州大學伯克利分校等知名學府。 本書強調抽象的向量空間和線性映射， 內容涉及多項式、本征值、本征向量、內積空間、跡與行列式等. 本書在內容編排和處理方法上與國內通行的做法大不相同， 它完全拋開行列式， 采用更直接、更簡捷的方法闡述了向量空間和線性算子的基本理論. 書中對一些術語、結論、數學家、證明思想和啟示等做了注釋， 不僅增加了趣味性， 還加強了讀者對一些概念和思想方法的理解.
標簽： 線性代數
上傳時間： 2022-05-22
上傳用戶：qdxqdxqdxqdx
1引言隨著高r能永磁材料、電力電了技術、大規模集成電路和計算機技術的發展，永同步電機PMSMD）的應用領城不擴大。由于對電機控制性能的要求越來越高，因此如何建立有效的仿真模型越來受到人們的關注。本文在分析永司步電機數學模型的基礎上，提出了一種PMSM控制系統建模的方法，在此仿真模型基礎上，可以十分便捷地實現和驗證控制算法。因此，它為分析和設計PMSM控制系統提供了有效的手段，也為實際電機控制系統的設計和調試提供了新的思路。2永磁同步電機的數學模型[]水磁同步電動機三相繞組分別為U.v.w，各相繞組平面的軸線在與轉子軸垂直的平面上，三相繞組的電壓回路方程如下；式中，U L，為各相繞組兩端的電壓14A為各相的線電流，中uoyow為相統組的總磁鏈，R為定子每相繞組的電陽：P為微外算子（d/at）.磁鏈方程為：
上傳時間： 2022-06-22
上傳用戶：qingfengchizhu
