％電影動畫： ％1.首先調用moviein函數對內存初始化.創建一個足夠大的矩陣來容納一系列指定的圖形（幀） ％2.調用getframe函數生成每一幀.該函數返回一個矢量，利用這個矢量創建一個電影動畫矩陣 ％3.調用movie函數按照指定速度進行指定次數的播放 ％例子2：演示如何實現快速傅立葉變換（exp(j*2*pi/n)）的可視化過程
上傳時間： 2015-06-30
上傳用戶：zsjzc
圍繞粒子群的當前質心對粒子群重新初始化.這樣，每個粒子在隨后的迭代中將在新的位置帶著粒子在上次搜索中獲得的“運動慣性”（wvi）向Pi，Pg的方向前進，從而可以在粒子群的運動過程中獲得新的位置，增加求得更優解的機會.隨著迭代的繼續，經過變異的粒子群又將趨向于同一點，當粒子群收斂到一定程度時又進行下一次變異，如此反復，直到迭代結束.
上傳時間： 2013-12-10
上傳用戶：thuyenvinh
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
本程序是一個基本的簡單遺傳算法示范程序，其優化目標是在〔0，2*pi〕上搜索函數sin(x)*sin(x)的最大值
上傳時間： 2015-07-07
上傳用戶：lz4v4
用專家系統優化下面的PID參數或設計一個專家控制器，被控對象為 并與PI控制算法進項比較
上傳時間： 2015-08-27
上傳用戶：Andy123456
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
產生一個正交相位調制信號（QPSK），該信號可供復數解析，調制相位為（0，pi/2,pi,3*pi/2）
上傳時間： 2015-09-18
上傳用戶：rocketrevenge
輸入信號五個基于瞬時信息的特征：零中心歸一化瞬時幅度功率譜密度的最大值,零中心歸一化瞬時幅度絕對值的標準偏差，零中心非弱信號段瞬時相位非線性分量絕對值標準偏差，零中心非弱信號段瞬時相位非線性分量標準偏差，零中心歸一化的非弱信號段瞬時頻率絕對值的標準偏差，得到識別出的信號類別，本例為2PSK, 4PSK, GMSK, OQPSK, pi/4DQSK中的一個，還可以看Art網絡的擴展性。
上傳時間： 2015-09-20
上傳用戶：ippler8
用PHP編寫的表達式計算器，是用的編譯的知識實現的，并非使用eval()函數實現。 功能強大，可以做所有的數值計算，代數計算還不能實現。 1。可以計算形如“-3*sin(2^0.5/2+3.1415)-pi()^2”的式子。 2。能識別數字（包括小數、正負數）、數學函數。 3。可以做加、減、乘、除、指數、取模 計算（其中加、減包括一元和二元兩種操作）。 壓縮包里的“math.php”是演示文件
上傳時間： 2013-12-11
上傳用戶：comua
基于libsvm，開發的支持向量機圖形界面(初級水平)應用程序，并提供了關于C和sigma的新的參數選擇方法，使得SVM的使用更加簡單直觀.參考文章 Fast and Efficient Strategies for Model Selection of Gaussian Support Vector Machine 可google之。
標簽： libsvm
上傳時間： 2015-10-16
上傳用戶：cuibaigao
