-
简单的遗传算法算例
【实例简介】提供一种遗传算法的算例，适合于入门学习
- 2021-06-18 00:32:13下载
- 积分：1
-
关键帧提取(edge_check0.m)
关键帧提取
- 2020-12-03下载
- 积分：1
-
求斐波那契数列和
求斐波那契数列和
- 2020-06-09下载
- 积分：1
-
FFT应用1(含报告和仿真)
数字信号处理实践教程实验名称：FFT及其应用一．实验目的学习按时间抽取的基—2FFT算法原理，掌握使用FFT快速计算序列线性卷积的原理与方法，掌握重叠相加法和重叠保留法的原理。二．实验原理快速傅里叶变换将时域中难以处理的信号转换成易于处理的频域信号，分析完成后进行傅里叶反变换即得到原始的时域信号。需要注意区分的是FFT算法针对一个已经测量好的数字序列进行处理，是DFT的一种快速算法，通过蝶形运算利用正交函数特性大大提高了运算速度；而递归DFT算法则是每测量一个点都计算一次。或者可以这么理解：FFT是离线式的计算，而递归DFT则是在线式的。
- 2020-12-06下载
- 积分：1
-
Digital_Signal_Processing_Using_MATLAB for students and Researchers
【实例简介】：Digital_Signal_Processing_Using_MATLAB for students and Researchers
- 2021-08-09 00:30:56下载
- 积分：1
-
小波包分解树
小波包分解树
- 2019-06-25下载
- 积分：1
-
人工势场法APF-MATLAB实现
【实例简介】2D平面下的人工势场法
- 2021-08-25 00:30:53下载
- 积分：1
-
MATLAB时频分析程序和演示（有几百个代码）
本资源包含代码几百个，下载后拷入ＭＡＴＬＡＢ的目录下，可以进行时频分析，有各种变换，小波，多尺度变换，还有各种滤波器；我的朋友就是在这个程序库的基础上完成博士论文的，其中还发表了几篇ＳＣＩ论文
- 2019-07-05下载
- 积分：1
-
帧差法目标识别(目标检测跟踪).doc
本文展示了一种自动识别视频中移动目标的方法。论文中提取移动目标通过帧序列，这种方法不需要先验知识，比如：时间阈值调整。基于相邻帧的连续对称差分，我们能得到全分辨率显著图；然后利用最大熵方法计算阈值决定候选区域和获得兴趣点的种子；最后用修改的模糊生长方法获得最终的结果。本文中提出的算法是有效的、具有鲁棒性的。实验结果也证明它具有很好的效果。移动目标检测在计算机视觉中有广泛应用，但是在研究过程中也有很多挑战。通常目标检测方法被分为三类：（1）基于时间信息。例如：帧差法能很快检测出目标，但很难得到整个物体的轮廓，并且易受背景的影响。（2）基于空间信息的。（3）基于时间和空间信息的。有较好的效果，计算复杂度高。本文提出了一种基于时间信息的方法。（1）通过相邻帧对称差分获得显著图；（2）使用最大熵模型得到一个阈值去二值化时间显著图和获得候选区域。然后选择候选区域最显著的点作为兴趣种子点。（3）对于每一兴趣种子点，在显著图上应用模糊生长方法直到没有点能被聚集和能获得移动物体的轮廓A.移动显著图的产生①获得一段连续帧②相邻帧做差分得到移动目标。③对得到的差分显著图做开运算。作用：消除小的和亮的细节。④为了去除噪声和背景运动的影响，对差分得到的显著图做和再平均。B.兴趣种子选择由于图像是连续变化的，一个固定的阈值不能很好的二值化显著图，本文采用最大熵方法得到一个变化的阈值去二值化显著图和提取候选兴趣区域。然后选择兴趣种子点。C.移动目标检测为了提取移动的目标，本论文应用模糊生长方法去使兴趣点的种子生长成一片区域。如果像素值满足下列条件，对兴趣点的种子使用模糊生长算法。a和u表示如下图实验数据集：PETS2000, PETS2001 and Dataset2014设备：The algorithm is implemented with C on a personal computer with Core i3 3.3 GHz CPU and 2G RAM.评价标准：假负率(False Negative Rate , FNR) ：FNR = FN /(TP FN) ，即被预测为负的正样本结果数/正样本实际数假正率(False Positive Rate , FPR) ：FPR = FP /(FP TN) ，即被预测为正的负样本结果数 /负样本实际数 Specificity (负例的覆盖率，True Negative Rate) =正确预测到的负例个数/实际负例总数 PBC ：Percentage of Bad Classifications召回率（Re、recall）：预测为真实正例除以所有真实正例样本的个数准确率(Precision) ：预测为真实正例除以所有被预测为正例样本的个数F-measure：查准率和查全率的调和平均值, 更接近于P, R两个数较小的那个: F=2* P* R/(P R)实验结果如下图 表一表示的是本论文实验得出的结果；Fig7和Fig8本文的实验结果与图中方法的比较，可以看出本文中的方法表现很出色。论文中的检测结果本论文的贡献共以下五点：（1）产生特征图基于时间信息。（2）对于场景不需要任何先验知识。（3）扩展了差分从相邻两帧到相邻n帧。（4）对于复杂的背景和相机的抖动具有很好的鲁棒性。（5）自动的提取移动目标。
- 2019-08-29下载
- 积分：1
-
布谷鸟算法求解函数最小值matlab
布谷鸟求解函数的最小值，这是布谷鸟算法与莱维飞行的详细讲解（https://blog.csdn.net/zyqblog/article/details/80905019） 。
- 2019-08-22下载
- 积分：1
