-
matlab PSO工具箱及其使用方法
Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。
- 2023-08-05 09:30:04下载
- 积分：1
-
高效中值滤波算法
采用滑动窗口及直方图来计算窗口内的中值，代替传统的排序求中值法，获得较高的算法执行速度。稍加修改阈值及首个窗口的目标取值就可以生成最大值、最小值滤波的算法，即对应于形态学中的膨胀与腐蚀。
- 2022-04-12 10:55:16下载
- 积分：1
-
image compression using DCT
在这里，我将附上用于jpeg标准的使用dct技术的图像压缩的matlab代码…这是我的b tech项目标题。测量并比较了不同类型图像的压缩比、PSNR、MSE等参数；
- 2022-01-27 12:15:44下载
- 积分：1
-
简单的avi2jpg-把avi文件转换为jpg帧序列
把一段avi视频转换为多帧jpg文件，其中实例内包含avi文件，生成的jpg文件序列默认放置在源码文件夹下。
- 2022-05-16 18:18:50下载
- 积分：1
-
灰度线性变换
灰度线性变换, 程序能够运行出正确的结果，希望对各位有帮助。
- 2022-07-07 20:33:32下载
- 积分：1
-
图形二维显示
本程序主要是练习二维图像图形的显示，包括镜像，平移，旋转等。通过计算机图形学这门课的学习而做的一个小程序，利用课本上的相关原理，绘制任意一个图形，点击鼠标右键封闭图形，单击工具栏上的相应按钮进行图形的镜像，旋转，平移等操作。
- 2023-04-08 08:05:04下载
- 积分：1
-
希尔伯特变换在 matlab 环境中
希尔伯特变换在 matlab，它由希尔伯特 · 阿里，住在附近馕店，目前他在短的 chadii，是和开发为他美丽的 superviosr 李 * 李 *，希尔伯特程序的点子他实际上
- 2022-03-10 17:14:05下载
- 积分：1
-
matlab中图像3个典型显示函数的差别
应用背景测试查看matlab中的三个显示函数 image,imshow,imagesc 的区别，首先讨论了图片的存储格式对图像处理、显示没有影响，然后通过对图像进行R、G、B分别显示，整合，直观地展示上述三个显示函数的差异，包含图像，可以直接运行展示关键技术R、G、B三通道分别显示、处理图像，适合于初学图像处理者，厘清基本问题，高手可以忽略
- 2023-07-24 14:45:03下载
- 积分：1
-
实现两幅图像的匹配和拼接
通过采用surf算法，来分别提取两幅图像的特征点，来进行图像的匹配，利用ransac算法来剔除误匹配，实现精确的配准，根据匹配点，计算homography，进行两幅图像的拼接。实际使用中，新建一个控制台工程，将压缩包里面的两个文件加入工程，即可运行。
- 2022-01-23 10:18:13下载
- 积分：1
-
k-means算法
应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。
- 2022-02-14 09:35:23下载
- 积分：1
|
联系客服（QQ：3324461878）
