<strike id="ke2is"></strike>
八單元線陣的DOA估計(jì)的MUSIC算法實(shí)現(xiàn)。可以看出music方法分辨率較高。這里用的是36度方向下的weight,自己也可以嘗試其他的天線weight值。
標(biāo)簽： weight MUSIC music DOA
上傳時(shí)間： 2013-12-26
上傳用戶：水中浮云
基于小波零樹特性的視覺感知度模型的優(yōu)化方案, 給出了兩種水印算法: 一種算法嵌入的是高斯序列水印, 通過相關(guān)檢測(cè)實(shí)現(xiàn)盲檢測(cè) 另一種算法嵌入的是二值圖像水印, 水印的提取是非盲提取。這兩種算法在所有重要小波系數(shù)( 包括最低頻系數(shù)) 中嵌入水印, 以達(dá)到最大化水印嵌入量的目的, 并結(jié)合感知度模型在水印的透明性和魯棒性之間實(shí)現(xiàn)了較好的平衡, 對(duì)于常見的圖像處理操作, 特別是對(duì)于JPEG 和小波壓縮均有較好的魯棒性。
上傳時(shí)間： 2015-09-27
上傳用戶：lmeeworm
Sharp LH7A400 BSP平臺(tái)無(wú)關(guān)部分的代碼,有很高的參考價(jià)值,尤其是系統(tǒng)架構(gòu)設(shè)計(jì)上,設(shè)計(jì)成移植度很高的BSP.
上傳時(shí)間： 2015-10-14
上傳用戶：541657925
[編程語(yǔ)言:ASP+SQL]網(wǎng)絡(luò)考試系統(tǒng),本人的畢業(yè)設(shè)計(jì)之作,功能強(qiáng)大,系統(tǒng)穩(wěn)定,安全度高，考慮了許多附加功能，更具人性化，豐富的源代碼解釋說(shuō)明，普通用戶登錄帳號(hào)：羅可龍，密碼：12345，超級(jí)用戶登錄帳號(hào)：徐永剛，密碼：12345，登錄后可自主修改帳號(hào)和密碼。
上傳時(shí)間： 2014-01-04
上傳用戶：陽(yáng)光少年2016
對(duì)矩陣進(jìn)行Lu分解,使用使用c語(yǔ)言實(shí)現(xiàn),時(shí)間復(fù)雜度和力論的一樣,比較高
標(biāo)簽： 矩陣 分解 c語(yǔ)言 復(fù)雜度
上傳時(shí)間： 2013-12-23
上傳用戶：15071087253
在圖像模板匹配問題中,基于像素灰度值的相關(guān)算法盡管已經(jīng)十分普遍,并得到廣泛的應(yīng)用,但目前此類算法都還存在有時(shí)間復(fù)雜度高、對(duì)圖像亮度與尺寸變化敏感等缺點(diǎn).為了克服這些缺點(diǎn),提出一種新的基于圖像灰度值的編碼表示方法.這種方法將圖像分割為一定大小的方塊(稱為R-塊),計(jì)算每個(gè)R-塊圖像的總灰度值,并根據(jù)它與相鄰R-塊灰度值的排序關(guān)系進(jìn)行編碼.然后通過各個(gè)R-塊編碼值的比較,實(shí)現(xiàn)圖像與模板的匹配.新算法中各個(gè)R-塊編碼的計(jì)算十分簡(jiǎn)單 匹配過程只要對(duì)編碼值進(jìn)行相等比較,而且可以采用快速的比較算法.新算法對(duì)像素灰度的變化與噪聲具有魯棒性,其時(shí)間復(fù)雜度是O(M2log(N)).實(shí)驗(yàn)結(jié)果表明,新算法比現(xiàn)有的灰度相關(guān)算法的計(jì)算時(shí)間快了兩個(gè)數(shù)量級(jí).
上傳時(shí)間： 2013-12-21
上傳用戶：a673761058
高隨機(jī)度隨機(jī)序列，利用迭代方程具有隨機(jī)性來(lái)產(chǎn)生
上傳時(shí)間： 2014-08-11
上傳用戶：cmc_68289287
高解析度PWM波形控制,用于開關(guān)電源的開關(guān)管控制程序.
標(biāo)簽： PWM 解析度 波形控制 開關(guān)電源
上傳時(shí)間： 2013-12-26
上傳用戶：love1314
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
