-
gitasar_rm
SAR processing library
- 2019-05-31 04:56:22下载
- 积分：1
-
image inpainting
# Image Inpainting
Implementation of exemplar-based image inpainting algorithm by Criminisi et al.
Requirements:
Python 2.7.9 or greater
Cython 0.22 or greater
NumPy for Python 2
SciPy for Python 2
Matplotlib for Python 2
wxPython 3.0.0 or higher
#### Instructions
Run the program to open the GUI.
Enter the patch size. By default, it is 9. The patch size must be odd.
Select option to apply Gaussian filtering prior to computing the image gradients and choose sigma value.
Load the imag
- 2022-02-15 12:36:15下载
- 积分：1
-
TensorFlow Machine Learning Cookbook+code
使用tensorflow进行机器学习开发的使用手册(the handbook based on tensorflow with python)
- 2018-05-26 16:17:34下载
- 积分：1
-
laplacian
说明： Calculate the Laplacian of an image, can be accelerated by the GPU.
- 2020-06-21 11:00:02下载
- 积分：1
-
softmaxregression
softmaxregression，即多分类的逻辑斯特回归算法，python编写(softmaxregression, namely multi-classification logistic regression algorithm, python write)
- 2014-01-07 20:26:26下载
- 积分：1
-
遗传算法微电网优化调度(python)
说明： 利用python语言，通过遗传算法对微电网进行优化调度(Genetic algorithm is used to optimize the dispatching of microgrid)
- 2020-12-20 17:19:09下载
- 积分：1
-
python飞机大战源码(彩图版)
开发环境要求 本系统的软件开发及运行环境具体如下。 ü 操作系统：Windows 7、Windows 10。 ü Python版本：Python 3.7.1。 ü 开发工具：PyCharm 2018。 ü Python内置模块：sys、random、codecs。 ü 第三方模块：pygame。 注意：在使用第三方模块时，首先需要使用pip install命令安装该模块，例如，安装pygame模块，可以在Python命令窗口中执行以下命令：pipinstall pygame 运行方法 打开PyCharm开发环境，然后在主菜单上选择File→Open菜单项，在打开的Open File or Project对话框中，选择项目foo，如图1所示。 Python项目开发案例集锦之5章
- 2020-01-10下载
- 积分：1
-
用pyqtgraph画图
用PYQT进行GUI的详细资料，可以对照参考。。。。。。(The detailed information of GUI with PYQT can be compared to reference.
The detailed information of GUI with PYQT can be compared to reference.)
- 2018-03-07 16:17:04下载
- 积分：1
-
syscomp
比较软件界面操作和数据表变化的小工具，快速定位表逻辑(tool which compare interface operation with table change)
- 2014-05-08 21:00:14下载
- 积分：1
-
PCA
主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。(Principal component analysis (Principal Component Analysis, PCA) or PCA. Is a statistical method to grasp the principal contradiction of things, it can be resolved diverse things out the main factors, revealing the essence of things, simplifying complex problems. The purpose of calculating the main component of high-dimensional data is projected to a lower dimensional space. Given n variables of m observations, forming an n ' m of the data matrix, n is usually large. For a complex matters described by several variables, it is difficult to know, so if you can grab something to focus on key aspects of analysis? If the main aspects of things just reflected on several key variables, we only need to separate out these few variables, for detailed analysis. However, in general, does not directly identify this critical variables. Then we can represent the major aspects of things with a linear combination of the original variables, PCA is one such analysis.)
- 2021-01-28 21:48:40下载
- 积分：1
