-
基于換乘次數(shù)優(yōu)先的公交路線選擇模型
2007年B題論文
標(biāo)簽：
2007
模型
論文
上傳時間：
2016-10-03
上傳用戶：weixiao99
-
停車誘導(dǎo)系統(tǒng)中車位預(yù)測模型的研究
摘 要 研究城市停車誘導(dǎo)系統(tǒng)的停車車位占有率預(yù)測問題。首先提出墓于B P神經(jīng)網(wǎng)絡(luò)的車位占有預(yù)測模型， 同時將自適應(yīng)
學(xué)習(xí)速率調(diào)整法和加入動量項(xiàng)方法用于改善基本B P神經(jīng)網(wǎng)絡(luò)， 優(yōu)化了學(xué)習(xí)速率， 減少了訓(xùn)練過程的震蕩趨勢， 改善了網(wǎng)絡(luò)的收效
隆。以此為基礎(chǔ)實(shí)現(xiàn)了停車位的智能預(yù)測 0最后， 進(jìn)行了多種方法比對實(shí)驗(yàn)
標(biāo)簽：
停車誘導(dǎo)
預(yù)測模型
城市
上傳時間：
2013-12-17
上傳用戶：GavinNeko
-
模糊矩陣類
可以根據(jù)不同的模糊算子計算模糊矩陣的并運(yùn)算C=A∪B,交運(yùn)算 Ｃ＝Ａ∩Ｂ,求余運(yùn)算 Ｃ＝1-Ａ 等
標(biāo)簽：
模糊
運(yùn)算
矩陣
計算
上傳時間：
2017-05-18
上傳用戶：invtnewer
-
Stanley B Lippman和J o s é e L a j o i e寫的c++ primer 中文版（第三版）。
標(biāo)簽：
Stanley
Lippman
primer
上傳時間：
2017-06-12
上傳用戶：talenthn
-
二: 普通計算器的設(shè)計說明: 1 普通計算器的主要功能(普通計算與逆波蘭計算): 1.1主要功能: 包括 a普通加減乘除運(yùn)算及帶括號的運(yùn)算 b各類三角與反三角運(yùn)算（可實(shí)現(xiàn)角度與弧度的切換） c邏輯運(yùn)算， d階乘與分解質(zhì)因數(shù)等 e各種復(fù)雜物理常數(shù)的記憶功能 f對運(yùn)算過程的中間變量及上一次運(yùn)算結(jié)果的儲存. G 定積分計算器（只要輸入表達(dá)式以及上下限就能將積分結(jié)果輸出） H 可編程計算器（只要輸入帶變量的表達(dá)式后，再輸入相應(yīng)的變量的值就能得到相應(yīng)的結(jié)果） I 二進(jìn)制及八進(jìn)制的計算器 j十六進(jìn)制轉(zhuǎn)化為十進(jìn)制的功能。 *k (附帶各種進(jìn)制間的轉(zhuǎn)化器)。 L幫助與階乘等附屬功能
標(biāo)簽：
運(yùn)算
1.1
計算器
計算
上傳時間：
2013-11-26
上傳用戶：yzy6007
-
B樣條插值，基于散亂數(shù)據(jù)的B樣條插值基本算發(fā)。做的動態(tài)鏈接庫。
標(biāo)簽：
插值
上傳時間：
2015-05-07
上傳用戶：skhlm
-
車牌定位－－－VC++源代碼程序
1.24位真彩色->256色灰度圖。
2.預(yù)處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進(jìn)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(yīng)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(jìn)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(jìn)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。
標(biāo)簽：
1.24
256
圖像
閾值
上傳時間：
2013-11-26
上傳用戶：懶龍1988
-
1.24位真彩色->256色灰度圖。
2.預(yù)處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進(jìn)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(yīng)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(jìn)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(jìn)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。
標(biāo)簽：
Gmax-G
1.24
Gmax
閾值
上傳時間：
2014-01-08
上傳用戶：songrui
-
考察例1 4 - 8中的1 4個點(diǎn)。A中的最近點(diǎn)對為(b,h)，其距離約為0 . 3 1 6。B中最近點(diǎn)對為
(f, j)，其距離為0 . 3，因此= 0 . 3。當(dāng)考察
是否存在第三類點(diǎn)時，除d, g, i, l, m 以外
的點(diǎn)均被淘汰，因?yàn)樗鼈兙喾指罹€x= 1的
距離≥ 。RA ={d, i, m}，RB= {g, l}，由
于d 和m 的比較區(qū)中沒有點(diǎn)，只需考察i
即可。i 的比較區(qū)中僅含點(diǎn)l。計算i 和l
的距離，發(fā)現(xiàn)它小于，因此(i, l) 是最近
標(biāo)簽：
上傳時間：
2013-12-03
上傳用戶：66666
-
問題描述
序列Z=<B，C，D，B>是序列X=<A，B，C，B，D，A，B>的子序列，相應(yīng)的遞增下標(biāo)序列為<2，3，5，7>。
一般地，給定一個序列X=<x1,x2,…,xm>，則另一個序列Z=<z1,z2,…,zk>是X的子序列，是指存在一個嚴(yán)格遞增的下標(biāo)序列〈i1,i2,…,ik〉使得對于所有j=1,2,…,k使Z中第j個元素zj與X中第ij個元素相同。
給定2個序列X和Y，當(dāng)另一序列Z既是X的子序列又是Y的子序列時，稱Z是序列X和Y的公共子序列。
你的任務(wù)是：給定2個序列X、Y，求X和Y的最長公共子序列Z。
標(biāo)簽：
lt
序列
上傳時間：
2014-01-25
上傳用戶：netwolf
