j基本遺傳算法，用VC++6.0實現的，已經調試好了
標簽： 算法
上傳時間： 2015-06-04
上傳用戶：sqq
用 vc 編 寫 的 ，尋 徑 算 法 演 示 平 臺。
標簽： vc
上傳時間： 2013-12-24
上傳用戶：c12228
c語言版的多項式曲線擬合。 用最小二乘法進行曲線擬合. 用p－1 次多項式進行擬合，p<= 10 x,y 的第0個域x[0],y[0],沒有用，有效數據從x[1],y[1] 開始 nNodeNum,有效數據節點的個數。 b,為輸出的多項式系數，b[i] 為b[i-1]次項。b[0],沒有用。 b,有10個元素ok。
上傳時間： 2014-01-12
上傳用戶：變形金剛
遠志網絡還原大師算號器的源碼，看了就明白很粗糙的算法但畢竟能用。
上傳時間： 2015-07-02
上傳用戶：Yukiseop
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.區域裁剪,截取車牌圖像。
上傳時間： 2013-11-26
上傳用戶：懶龍1988
* 本算法用最小二乘法依據指定的M個基函數及N個已知數據進行曲線擬和 * 輸入: m--已知數據點的個數M * f--M維基函數向量 * n--已知數據點的個數N-1 * x--已知數據點第一坐標的N維列向量 * y--已知數據點第二坐標的N維列向量 * a--無用 * 輸出: 函數返回值為曲線擬和的均方誤差 * a為用基函數進行曲線擬和的系數, * 即a[0]f[0]+a[1]f[1]+...+a[M]f[M].
上傳時間： 2015-07-26
上傳用戶：
* 用改進的歐拉方法求解初值問題，其中一階微分方程未y =f(x,y) * 初始條件為x=x[0]時,y＝y[0]. * 輸入: f--函數f(x,y)的指針 * x--自變量離散值數組(其中x[0]為初始條件) * y--對應于自變量離散值的函數值數組(其中y[0]為初始條件) * h--計算步長 * n--步數 * 輸出: x為說求解的自變量離散值數組 * y為所求解對應于自變量離散值的函數值數組
標簽： 初值
上傳時間： 2015-07-26
上傳用戶：libinxny
本書以最新的資訊家電、智慧型手機、PDA產品為出發點，廣泛並深入分析相關的嵌入式系統技術。 適合閱讀： 產品主管、系統設計分析人員、欲進入此領域的工程師、大專院校教學. 本書效益： 為開發嵌入式系統產品必備入門聖經 進入嵌入式系統領域的寶典 第三代行動通訊終端設備與內容服務的必備知識.
上傳時間： 2015-09-03
上傳用戶：阿四AIR
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.區域裁剪,截取車牌圖像。
上傳時間： 2014-01-08
上傳用戶：songrui
1．細胞邊緣檢測 （1） 原理： Soble算子邊緣檢測---Soble微分算子是一種奇數大小（3×3）的模板下的全方向微分算子。Soble濾波器進行處理的結果，在視覺上只能感覺到該微分算子所提取 出的細節輪廓相對明顯一些。 Laplacian算子邊緣檢測---用Laplacian二階微分算子所提取出的細節多，說明二階算子早對圖像細節有很強的敏感性。
上傳時間： 2015-09-06
上傳用戶：weixiao99
