車牌定位－－－VC++源代碼程序 1.24位真彩色->256色灰度圖。 2.預處理:中值濾波。 3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。 初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。 該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區(qū)域。 4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。 5.用自定義模板進行中值濾波 區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。 6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時間： 2013-11-26
上傳用戶：懶龍1988
給定兩個串S和T，長分別m和n，本文給出了一個找出二串間最大匹配的算法。該算法可 用于比較兩個串S和T的相似程度，它與串的模式匹配有別
標簽：
上傳時間： 2013-12-04
上傳用戶：yd19890720
[美]H.M.Deitel,P.J.Deitel 著 周靖 黃都培 譯 楊小平 審校 清華大學出版社 本書是一本相當不錯的學習C++的資料,作為全球使用最廣泛的C++經(jīng)典程序設計教材，本書詳細介紹了過程式與面向對象程序設計的基本知識與方法，其中包括C++的強大功能、最新特性和新增的ANSI/ISO C++標準庫。 本書通過面向一個大型對象(電梯模擬系統(tǒng))的程序設計，以數(shù)百個“活代碼”示例程序，重點突出了利用UML進行面向對象的設計。分布在各章的“對象思想”、“案例分析”、“常見編程錯誤”、“良好編程習慣”、“自測題”和“練習題”等特色部分非常具有實際指導意義，不僅可讓接觸C++的新手真實體驗編程樂趣，還可讓有經(jīng)驗的程序員得到啟發(fā)。 本書的讀者對象為計算機軟件、系統(tǒng)和網(wǎng)絡編程人員，也可作為大學計算機相關專業(yè)本科生和研究生的編程教材和參考書。唯一不足的本書是掃描版本,有些地方不是特別清晰,就敬請大家諒解!!
上傳時間： 2015-07-26
上傳用戶：s363994250
一種基于蟻群聚類的徑向基神經(jīng)網(wǎng)絡 提出了一種基于蟻群聚類算法的徑向基神經(jīng)網(wǎng)絡. 利用蟻群算法的并行尋優(yōu)特征和揮發(fā)系 數(shù)方法的自適應更改信息量的能力,并以球面聚類的方式確定了徑向基神經(jīng)網(wǎng)絡中基函數(shù)的位置, 同時通過比較隱層神經(jīng)元的相似性、合并相似性較為接近的2 個神經(jīng)元來約簡隱含層的神經(jīng)元,以 達到簡化徑向基神經(jīng)網(wǎng)絡結構的目的. 實驗比較了幾種不同聚類算法的徑向基神經(jīng)網(wǎng)絡,結果表 明,所提神經(jīng)網(wǎng)絡的整體訓練時間至少可縮短40 ％ ,學習的準確率可提高1 ％以上,而且網(wǎng)絡結構 更加精簡.
標簽： 徑向 神經(jīng)網(wǎng)絡 蟻群聚類 并行
上傳時間： 2013-12-26
上傳用戶：wuyuying
1.24位真彩色->256色灰度圖。 2.預處理:中值濾波。 3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。 初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。 該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區(qū)域。 4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。 5.用自定義模板進行中值濾波 區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。 6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時間： 2014-01-08
上傳用戶：songrui
上下文無關文法（Context-Free Grammar, CFG）是一個4元組G=(V, T, S, P)，其中，V和T是不相交的有限集，S∈V，P是一組有限的產(chǎn)生式規(guī)則集，形如A→α，其中A∈V，且α∈(V∪T)*。V的元素稱為非終結符，T的元素稱為終結符，S是一個特殊的非終結符，稱為文法開始符。 設G=(V, T, S, P)是一個CFG，則G產(chǎn)生的語言是所有可由G產(chǎn)生的字符串組成的集合，即L(G)={x∈T* | Sx}。一個語言L是上下文無關語言（Context-Free Language, CFL），當且僅當存在一個CFG G，使得L=L(G)。 *⇒ 例如，設文法G：S→AB A→aA|a B→bB|b 則L(G)={a^nb^m | n,m>=1} 其中非終結符都是大寫字母，開始符都是S，終結符都是小寫字母。
標簽： Context-Free Grammar CFG
上傳時間： 2013-12-10
上傳用戶：gaojiao1999
對于一個動態(tài)系統(tǒng)dy/dt=-y(t)+x(t-m),m為一個時間滯后常量，x(t)、y(t)都是關于時間 t的函數(shù)，其中x是一個正態(tài)分布的數(shù)據(jù)集合，可隨機產(chǎn)生，這樣情況下，如何將系統(tǒng)情況 用樣本點表示出來
標簽： t-m dy dt 動態(tài)系統(tǒng)
上傳時間： 2015-09-23
上傳用戶：15071087253
鄰接矩陣類的根是A d j a c e n c y W D i g r a p h，因此從這個類開始。程序1 2 - 1給出了類的描述。程 序中，先用程序1 - 1 3中函數(shù)Make2DArray 為二組數(shù)組a 分配空間，然后對數(shù)組a 初始化，以描述 一個n 頂點、沒有邊的圖的鄰接矩陣，其復雜性為( n2 )。該代碼沒有捕獲可能由M a k e 2 D A r r a y 引發(fā)的異常。在析構函數(shù)中調用了程序1 - 1 4中的二維數(shù)組釋放函數(shù)D e l e t e 2 D
標簽： 矩陣
上傳時間： 2013-12-21
上傳用戶：lanjisu111
代入法的啟發(fā)示搜索 我的代碼實現(xiàn)是：按照自然語言各字母出現(xiàn)頻率的大小從高到低（已經(jīng)有人作國統(tǒng)計分析了）先生成一張字母出現(xiàn)頻率統(tǒng)計表（A）--------(e),(t,a,o,i,n,s,h,r),(d,l),(c,u,m,w,f,g,y,p,b),(v,k,j,x,q,z) ，再對密文字母計算頻率，并按頻率從高到低生成一張輸入密文字母的統(tǒng)計表（B），通過兩張表的對應關系，不斷用A中的字母去替換B中的字母，搜索不成功時就回退，在這里回朔是一個關鍵。
上傳時間： 2015-10-24
上傳用戶：wanqunsheng
一:需求分析 1. 問題描述 魔王總是使用自己的一種非常精練而抽象的語言講話,沒人能聽懂,但他的語言是可逐步解釋成人能聽懂的語言,因為他的語言是由以下兩種形式的規(guī)則由人的語言逐步抽象上去的: ----------------------------------------------------------- (1) a---> (B1)(B2)....(Bm) (2)[(op1)(p2)...(pn)]---->[o(pn)][o(p(n-1))].....[o(p1)o] ----------------------------------------------------------- 在這兩種形式中,從左到右均表示解釋.試寫一個魔王語言的解釋系統(tǒng),把 他的話解釋成人能聽得懂的話. 2. 基本要求: 用下述兩條具體規(guī)則和上述規(guī)則形式(2)實現(xiàn).設大寫字母表示魔王語言的詞匯 小寫字母表示人的語言的詞匯 希臘字母表示可以用大寫字母或小寫字母代換的變量.魔王語言可含人的詞匯. (1) B --> tAdA (2) A --> sae 3. 測試數(shù)據(jù): B(ehnxgz)B 解釋成 tsaedsaeezegexenehetsaedsae若將小寫字母與漢字建立下表所示的對應關系,則魔王說的話是:"天上一只鵝地上一只鵝鵝追鵝趕鵝下鵝蛋鵝恨鵝天上一只鵝地上一只鵝". | t | d | s | a | e | z | g | x | n | h | | 天 | 地 | 上 | 一只| 鵝 | 追 | 趕 | 下 | 蛋 | 恨 |
上傳時間： 2014-12-02
上傳用戶：jkhjkh1982
