rs 里查森迭代法求線性方程組 crs 里查森參數迭代法求線性方程組 grs 里查森迭代法求線性方程組 jacobi 雅可比迭代法求線性方程組 gauseidel 高斯-賽德爾迭代法求線性方程組 SOR 超松弛迭代法求線性方程組 SSOR 對稱逐次超松弛迭代法求線性方程組 JOR 雅可比超松弛迭代法求線性方程組 twostep 兩步迭代法求線性方程組 fastdown 最速下降法求線性方程組 conjgrad 共軛梯度法求線性方程組 preconjgrad 預處理共軛梯度法求線性方程組 BJ 塊雅克比迭代法求線性方程組 BGS 塊高斯-賽德爾迭代法求線性方程組 BSOR 塊逐次超松弛迭代法求線性方程組
上傳時間： 2014-01-25
上傳用戶：wang0123456789
高斯消元法，此方法可方便得解答線性方程組的解，比拉格朗日優越！
標簽： 高斯
上傳時間： 2013-12-20
上傳用戶：84425894
目的:運用強化學習!多分類器集成!降維方法等最新計算機技術,結合細胞病理知識,設計制作/智能化肺癌細胞病理圖像診斷系統0"方法:采集細胞圖像,運用基于強化學習的圖像分割法將細胞區域從背景中分離出來 運用基于樣條和改進2方法對重疊細胞進行分離和重構 提取40個細胞特征用于貝葉斯!支持向量機!緊鄰和決策樹4種分類器,集成產生肺癌細胞分類結果 建立肺癌細胞病理圖庫,運用基于等降維方法對細胞進行比對,給予未定型癌細胞分類"結果:/智能化肺癌細胞病理診斷系統0應用于臨床隨機1200例肺部病灶穿刺細胞學涂片,肺癌識別診斷率94180 ,假陽性率1185 ,假陰性率3135 ,肺癌分類識別率82190 ,核異型細胞識別率74120 "結論:/智能化肺癌早期細胞病理診斷系統0對肺癌細胞涂片診斷率高,克服了肺癌細胞病理診斷過程中取檢細胞數量少,重疊細胞識別率低,涂片背景及染色差異等干擾因素,可輔助臨床肺部病灶的穿刺細胞病理診斷"
上傳時間： 2013-12-16
上傳用戶：chfanjiang
該算法是經典的信噪比估計算法——最大似然估計算法，利用接收信道的先驗概率密度函數，ML法能夠很好的估計信號的信噪比
上傳時間： 2017-08-11
上傳用戶：cxl274287265
jacobi迭代法程序和矩陣的QR分解算法，jacobi用來解線性方程組，比直接求解速度快
上傳時間： 2014-08-06
上傳用戶：wfeel
function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %該函數用有限差分法求解有兩種介質的正方形區域的二維拉普拉斯方程的數值解 %函數返回迭代因子、迭代次數以及迭代完成后所求區域內網格節點處的值 %a為正方形求解區域的邊長 %r1,r2分別表示兩種介質的電導率 %up,under分別為上下邊界值 %num表示將區域每邊的網格剖分個數 %deta為迭代過程中所允許的相對誤差限 n=num+1; %每邊節點數 U(n,n)=0; %節點處數值矩陣 N=0; %迭代次數初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %兩介質電導率之比 U(1,1:n)=up; %求解區域上邊界第一類邊界條件 U(n,1:n)=under; %求解區域下邊界第一類邊界條件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用線性賦值對上下邊界之間的節點賦迭代初值 end G=1; while G>0 %迭代條件：不滿足相對誤差限要求的節點數目G不為零 Un=U; %完成第n次迭代后所有節點處的值 G=0; %每完成一次迭代將不滿足相對誤差限要求的節點數目歸零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代時網格節點處的值 if j==1 %第n+1次迭代左邊界第二類邊界條件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的網格節點處的值 end if i==n+1-j %第n+1次迭代兩介質分界面（與網格對角線重合）第二類邊界條件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右邊界第二類邊界條件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %顯示迭代次數 Un1=U; %完成第n+1次迭代后所有節點處的值 err=abs((Un1-Un)./Un1);%第n+1次迭代與第n次迭代所有節點值的相對誤差 err(1,1:n)=0; %上邊界節點相對誤差置零 err(n,1:n)=0; %下邊界節點相對誤差置零 G=sum(sum(err>deta))%顯示每次迭代后不滿足相對誤差限要求的節點數目G end
標簽： 有限差分
上傳時間： 2018-07-13
上傳用戶：Kemin
形心法—PD脈沖多普勒測速Matlab仿真，在不同信噪比下，根據脈沖回波計算目標的位置和速度
上傳時間： 2019-07-25
上傳用戶：waiting1616
用三點法實現機器人三維位置測量的研究摘 要 ：提 出 了一 種 微 小 爬 壁 機 器 人 三 維 位 置 測 量 的新 方 法 。筆 者 通 過 深 入 分 析 研 究各 種 位 置 測 控 方 法 與 系 統 ，提 出采 用單 目視 覺方 法 中的 聚 焦法 ，以 CCD作 為 傳 感 器 ，用 三 點 法 實現 對 機 器 人 的 三 維 位 置 測 量 。 驗 證性 實驗 結果表 明 ，本研 究提 出的測 量原 理和 系統是 正 確 可行 的 。 關鍵詞 ：機 器人 ；位置 測量 ；CCD傳 感 器 ；單 目視 覺 ；攝 像 機 標 定 中 圖分 類 號 ：TP242．6 文 獻 標 識 碼 ：B Abstract：A new 3D position measurementmethod Ofa wall—climbing micro robothas been researched．Researc— hing on the various position measuring and controlling method，theauthorhasputforwardanewprojecttomeas— ure the 3D position of the robot，in which the focusing method with singlecamera and CCD sensorhasbeen used to getthe position information．The elementary experiment has verified the principle and the system． Key words：robot；position detection；CCD sensor；single camera vision；camera caiibration 位置測量技 術是智 能機 器人 的關鍵 技術 ，是各 種 機器人控 制系統 中極 為重 要 的環節 ，也 是 國內外研 究 的熱點所 在。 按 照測試 系統 與被 測機 器 人 的關 系 ，可 以將位 置 測量技術 分為接觸 式和非接觸式 兩大類 。接觸 式測量 系統 由于在測 量過程 中或多或少地 對機器人施 加 了載 荷 ，因而僅適用于靜 態 位置測 量 。而動 態 位 置測量 系 統 主要分 5類 ：①激光跟蹤 系統 ；@ CCD交 互測量 收 稿 日期 ：2001—07—03 基 金項 目：國家 863高科技 研 究 資助 項 目(9804-06)；教 育 部 高 等 學校 骨干教 師 資助 計 3t,j項 目 作者 簡 介 ：張 智海 (1973一 )，男 ，工 學碩 士 ，主 要 研 究 方 向 為 智 能 機 器人 測 控 技 術 。 系統 ；③ 超聲波 測量 系統 ；④ PSD(positionsensitivede— vice)位 置 測 量 系統 ；⑤ 帶 有 接 近覺 傳 感 器 的 測量 系 統 。位置測量 還可 以從另一個分類 角度劃分為主動式 測量和被動 式測 量 。主動式測 量主要可 以分為結 構光方法和激光 自動聚焦法兩類 。被 動式測量 主要 可 以分為雙 目視 覺 、三 目視覺 、單 目視覺 等方法 。 對 比以上各種方法 的 優缺 點 ，針對 筆者 研制 的微 小爬壁機器人 的空 間三 維位 置 測量 的要 求 ，測量 系統 必須滿足尺 寸小 、分 辨率 高 、穩定 性 和可 靠性 好 、時 間 響應快等特 點 ，提 出了采用 單 目視覺方法 中的聚焦法 ， 選用 CCD作 為傳感器 ，用 三點法實現對機器人 的三維 位置測量 ，并用 Matlab和 V
標簽： 機器人
上傳時間： 2022-02-12
上傳用戶：
數字電路解題技巧50法及題解300例
上傳時間： 2013-04-15
上傳用戶：eeworm
類比與介面裝置(AIPD)新產品研討會
標簽： AIPD
上傳時間： 2013-08-03
上傳用戶：eeworm
