亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

相似性

  • 基于dsp的目標跟蹤和檢測算法的研究和實現

    基于dsp的目標跟蹤和檢測算法的研究和實現，研究了圖像跟蹤系統的基本工作原理，以及圖像跟蹤和相關匹配所使用的一些基本技術。詳細介紹了SUSAN算子在邊緣檢測和角點檢測方面的應用。并基于SSCD相似性度量準則提出了一個新的加權的SSCD準則，并對幾種度量準則進行對比分析，最后在選取模板和模板更新上選用了多子模板的策略，這樣能更有效的減小部分遮擋和旋轉帶來的影響。

    標簽： dsp 目標跟蹤 測算 法的研究

    上傳時間： 2014-01-02

    上傳用戶：zq70996813

  • 算法描述： K均值算法： 給定類的個數K

    算法描述： K均值算法： 給定類的個數K，將N個對象分到K個類中去， 使得類內對象之間的相似性最大，而類之間的相似性最小。

    標簽： 算法 K均值算法

    上傳時間： 2014-01-02

    上傳用戶：TRIFCT

  • c語言的k均值聚類算法。給定類的個數K

    c語言的k均值聚類算法。給定類的個數K，將N個對象分到K個類中去，使得類內對象之間的相似性最大，而類之間的相似性最小的算法。

    標簽： c語言 均值聚類 算法

    上傳時間： 2014-01-20

    上傳用戶：woshiayin

  • 用java寫的DTW程序組合

    用java寫的DTW程序組合，可用于進行動態彎曲路徑的計算和時間序列相似性比較

    標簽： java DTW 程序 組合

    上傳時間： 2013-12-16

    上傳用戶：hfmm633

  • 一種基于方向信息的魯棒型Hausdorff距離匹配方法。該方法采用方向信息提取圖 像邊緣,通過計算邊緣匹配率( edge matching rate, EMR)獲得候選匹配區域,然后采用修正后的Ha

    一種基于方向信息的魯棒型Hausdorff距離匹配方法。該方法采用方向信息提取圖 像邊緣,通過計算邊緣匹配率( edge matching rate, EMR)獲得候選匹配區域,然后采用修正后的Hausdorff距離構造 相似性測度。實驗結果表明,該方法加快了匹配過程,提高了抗噪性能,并能夠準確匹配含有遮擋和偽邊緣點的圖 像,從而解決了基于傳統Hausdorff距離匹配方法因噪聲點、偽邊緣點和出格點而造成的誤匹配問題。

    標簽： Hausdorff matching edge rate

    上傳時間： 2017-01-27

    上傳用戶：z1191176801

  • 孫即祥

    孫即祥，現代模式識別，第2.4.2節關于相似性閾值聚類仿真實驗。

    標簽：

    上傳時間： 2017-04-09

    上傳用戶：asdfasdfd

  • K均值算法： 給定類的個數K

    K均值算法： 給定類的個數K，將N個對象分到K個類中去， 使得類內對象之間的相似性最大，而類之間的相似性最小

    標簽： K均值算法

    上傳時間： 2014-01-05

    上傳用戶：wangyi39

  • abstract class和interface是Java語言中對于抽象類定義進行支持的兩種機制

    abstract class和interface是Java語言中對于抽象類定義進行支持的兩種機制，正是由于這兩種機制的存在，才賦予了Java強大的面向對象能力。abstract class和interface之間在對于抽象類定義的支持方面具有很大的相似性，甚至可以相互替換，因此很多開發者在進行抽象類定義時對于abstract class和interface的選擇顯得比較隨意。其實，兩者之間還是有很大的區別的，對于它們的選擇甚至反映出對于問題領域本質的理解、對于設計意圖的理解是否正確、合理。本文將對它們之間的區別進行一番剖析，試圖給開發者提供一個在二者之間進行選擇的依據。

    標簽： interface abstract class Java

    上傳時間： 2014-12-01

    上傳用戶：refent

  • MEMS中的封裝技術研究

    MEMS中的封裝工藝與半導體工藝中的封裝具有一定的相似性!因此!早期MEMS的封裝 大多借用半導體中現成的工藝%本文首先介紹了封裝的主要形式!然后著重闡述了晶圓級封裝與芯片級封裝&!’%最后給出了一些商業化的實例%

    標簽： MEMS 封裝 技術研究

    上傳時間： 2016-07-26

    上傳用戶：leishenzhichui

  • 數據挖掘-聚類-K-means算法Java實現

    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。

    標簽： K-means Java 數據挖掘 聚類 算法

    上傳時間： 2018-11-27

    上傳用戶：1159474180

主站蜘蛛池模板： 恩平市| 平原县| 泌阳县| 独山县| 清远市| 民丰县| 喜德县| 丽江市| 宣武区| 蓝山县| 大城县| 海原县| 巴中市| 汕尾市| 济源市| 平和县| 靖江市| 油尖旺区| 宁乡县| 肇东市| 尉氏县| 额尔古纳市| 东安县| 大余县| 晋宁县| 嘉禾县| 钦州市| 宁化县| 海阳市| 陇西县| 康马县| 大理市| 昭苏县| 高要市| 新宁县| 乐昌市| 方正县| 玛纳斯县| 满洲里市| 嘉义市| 泗水县|