注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. pim组播配置--稀疏模式

  2. pim组播配置-pim组播配置--稀疏模式-稀疏模式

  3. 所属分类：网络设备

    • 发布日期：2011-04-23
    • 文件大小：290816
    • 提供者：zwhkmxy

  1. 基于稀疏表示的人来能识别方法

  2. 本文描述了如何采取稀疏表示领域中的方法进行人脸识别的一种方法。适合于从事图像处理，计算机视觉，模式识别等方面的人士参考。

  3. 所属分类：其它

    • 发布日期：2011-11-02
    • 文件大小：382976
    • 提供者：zhangdongqing18

  1. 数据结构课程设计一元稀疏多项式计算器

  2. 数据结构课程设计一元稀疏多项式计算器，详细的课程设计报告模式

  3. 所属分类：C++

    • 发布日期：2012-05-17
    • 文件大小：90112
    • 提供者：qy5408535

  1. 数据结构实验报告（稀疏矩阵）

  2. 数据结构实验报告稀疏矩阵，实验报告的模式，稀疏矩阵的运用

  3. 所属分类：C#

    • 发布日期：2012-12-18
    • 文件大小：111616
    • 提供者：caidiwang998998

  1. 基于人脸识别分类器（SRC）的LBP算法与稀疏表达联合方法的改进

  2. 最近，基于描述子的局部二进制模式（LBP）与基于分类器（SRC）稀疏表示（SRC）成为人脸识别两个杰出的技术。初步结合LBP和SRC技术已经在文献中提出的。然而，在真实世界国家的艺术方法，遭受的“维数灾难”。在本文中，提出了一种新的LBP与Src结合的人脸识别算法。其中的维数问题的分而治之和辨别力是加强通过金字塔增强。所提出的人脸识别方法是在AR人脸数据库上的评价，产生令人印象深刻的结果。

  3. 所属分类：电信

    • 发布日期：2015-05-22
    • 文件大小：48128
    • 提供者：u010673361

  1. 稀疏和冗余在图像处理的应用

  2. 目前， 稀疏表示的应用范围基本为自然信号形成的图像、音频以及文本等， 对于非自然信号或数据的应用尚未有文献涉及。在应用方面， 可大体划分为两类： 　　基于重构的应用 　　此类应 用 有 图 像 去 噪、 压 缩 与 超 分 辨 、S A R 成像 、 缺失图像重构 以及音频修复 等。这些应用主要将目标的特征用若干参数来表示， 这些特征构成稀疏向量， 利用稀疏表示方法得到稀疏向量， 根据数学模型进行数据或图像重构。在这些应用中， 观测数据一般含有噪声。 基于分类的应用 这类应用的本质是模式识别

  3. 所属分类：机器学习

    • 发布日期：2018-03-30
    • 文件大小：22020096
    • 提供者：qq_24599599

  1. 密集模式独立组播pimd.zip

  2. pimd 是一个 Protocol Independent Multicast 路由守护进程，支持 PIMv2-SM . PIM-DM：密集模式独立组播协议（Protocol Independent Multicast-Dense Mode） 独立组播协议（PIM）有两种模式：稀疏模式和密集模式。本文主要讲述密集模式独立组播协议 （PIM-DM）。 PIM-DM 主要被设计用于组播局域网应用程序，而 PIM-SM 主要用于一个大范围内的域间网络（WAN 和域间）。PIM-DM 使用了和 DVM

  3. 所属分类：其它

    • 发布日期：2019-07-17
    • 文件大小：1048576
    • 提供者：weixin_39840924

  1. 稀疏耦合模式的连续极限

  2. 我们展示了受最近提出的冷原子实验激励的简单晶格系统，随着光谱指数的变化，其连续性极限在真实和p-adic平滑度之间进行插值。 如果谱指数为负，则实际的空间维将出现在连续谱极限中，而如果谱指数为正，则将出现p-adic额外维。 我们演示了动量空间和位置空间中的Hölder连续性条件，这些条件量化了两点格林函数作为谱指数函数的平滑程度或参差不齐。 我们模型的基本离散动力学是根据高斯分区函数定义的，作为经典的统计机械格模型。 晶格位点之间的耦合是稀疏的，因为随着位点数量的增加，它们消失的部分会彼此耦合

  3. 所属分类：其它

    • 发布日期：2020-04-08
    • 文件大小：863232
    • 提供者：weixin_38681646

  1. 解读光纤接入网建设模式的新发展

  2. 以前接入主干多采用环形结构，主要由于光缆比较稀疏，希望对接入主干光缆部分进行保护。但是随着接入光缆建设规模的扩大，接入光缆将变得像铜缆一样普及，在这种形势下。接入主干光缆采用树形结构，一方面能够解决建设进度和分期建设的问题，可以不必在一期工程中就按照环形结构施工，从而大大提高部署进度，满足用户快速发展的需求；另一方面采用树形接入主干结构也能够很好地实现接入主干线路的保护，同时可以更好地实现配线光缆保护随着出局接入主干条数越来越多、覆盖范围越来越广。

  3. 所属分类：其它

    • 发布日期：2020-03-04
    • 文件大小：32768
    • 提供者：weixin_38703823

  1. 3-6 稀疏与低秩.pdf

  2. 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程，其过程的一个重要形式是生命体对环境及客体的识别。模式识别以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能等为主要研究方向，研究人类模式识别的机理以及有效的计算方法。

  3. 所属分类：讲义

    • 发布日期：2020-01-03
    • 文件大小：13631488
    • 提供者：weixin_44249704

  1. 具有分层组稀疏性的判别式结构化字典学习

  2. 学习用于稀疏编码的自适应词典一直是最新研究的重点，因为它提供了一种使稀疏表示效率最大化的有前途的方法。特别是，学习判别词典而不是重构词典已证明在模式识别方面的性能得到了显着提高。本文提出了一种有力的判别词典学习方法。在字典学习过程中，我们通过促进分层组稀疏性并减少稀疏代码的线性预测误差来增强稀疏代码的可分辨性。借助班级内部联合协作的稀疏性，我们的方法能够从标记的数据中学习自适应词典进行分类，这鼓励了系数在组级别和单例级别上都是稀疏的，从而增强了稀疏代码的可分离性。受益于字典和分类器的联合学习，稀

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38752830

  1. 稀疏子空间聚类综述

  2. 稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：1048576
    • 提供者：weixin_38526612

  1. gtsam:GTSAM是C ++类的库，使用因子图和贝叶斯网络作为基础计算范例而不是稀疏矩阵，在机器人技术和视觉中实现平滑和映射（SAM）-源码

  2. 自述文件-乔治亚州技术平滑和制图库 重要的提示 从2020年8月1日开始， develop分支正式处于“ Pre 4.1”模式，并且4.0中弃用的功能已被删除。如果需要这些功能，请使用最新的。 但是，通过禁用cmake标志GTSAM_ALLOW_DEPRECATED_SINCE_V4 ，大多数代码都可以轻松转换并可以进行跟踪（在4.0.3中）。 什么是GTSAM？ GTSAM是一个C ++库，它使用因子图和贝叶斯网络作为基础计算范例而不是稀疏矩阵，在机器人技术和视觉中实现平滑和映射（SAM）。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：30408704
    • 提供者：weixin_42122878

  1. 一种局部稀疏判别投影算法

  2. 提取有效特征是模式识别中的关键步骤。流形学习算法能有效处理样本的非线性,而稀疏表示表现出具有较好的鲁棒性。为了提取具有判别特性和鲁棒的特征,本文结合稀疏表示和判别准则,提出了一种局部稀疏表示和判别分析的特征提取算法,即局部稀疏判别投影算法,并应用于人脸识别。算法通过保持数据间的局部稀疏性和最大化不同类圳数据间的可分性,使得降维后的数据具有稀疏性和可分性,因此有利于后续的分类。在ORL和YALE两个开放人脸数据库上进行了实验,实验结果表明,算法具有较高的识别性,验证了算法的正确性和有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：503808
    • 提供者：weixin_38638312

  1. crochet:React式UI模式的探索-源码

  2. 钩针编织，对响应式UI的探索 此回购包含一个原型，用于探索[Druid]的下一代响应式UI架构。有关背景知识，请参见博客文章“ 。这是思想从许多来源，包括融合 ， ，， ，，和其他人。 该代码不太复杂，我希望人们会发现阅读（或至少略读）会有所收获。许多（但不是全部）主要类型都具有docstring，因此运行cargo doc --open并不是浏览代码的一种不错的方法。 （待办事项：制作运行货物文档的Github Action是否相当容易，因此不必在本地完成？） 钩针编织的体系结构 钩针编织架

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：55296
    • 提供者：weixin_42111465

  1. Rakuten_MultiModal_Color_Exctraction:有关稀疏表示的MVA类项目的存储库-数据挑战-源码

  2. MVA类项目“乐天多模式颜色提取”的存储库 斯蒂芬·马拉特（Stephane Mallat）在法国大学院（Collègede France）开设的稀疏表示法课程（2021）

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：9437184
    • 提供者：weixin_42135773

  1. HSOM:分层自组织映射，可实现无监督模式识别-源码

  2. 分层自组织图 分层自组织映射（HSOM）是一种无监督的神经网络，可从高维空间学习模式并以较低维表示它们。 HSOM网络接收输入并将其输入到一组自组织映射中，每个映射都学习输入空间的各个特征。 这些映射产生稀疏的输出矢量，仅激活最响应的节点，这是竞争性抑制的结果，它限制了在任何给定时间允许的“获胜者”（即活动节点）的数量。 HSOM网络中的每一层都包含一组映射，这些映射可查看部分输入空间并生成稀疏输出矢量，这些输出矢量共同构成层次结构中下一层的输入。 信息在通过网络传递时变得越来越抽象，并最终

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：51200
    • 提供者：weixin_42144604

  1. 感应热成像系统对缺陷的无监督稀疏模式诊断

  2. 感应热成像系统对缺陷的无监督稀疏模式诊断

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38710524

  1. 通过稀疏模式学习进行视觉跟踪

  2. 通过稀疏模式学习进行视觉跟踪

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：352256
    • 提供者：weixin_38718690

  1. PIM稀疏模式RPT向SPT切换丢包研究

  2. 针对PIM稀疏模式从共享树RPT向最短路径树SPT切换过程中，发生的组播数据流丢帧现象，根据网络拓扑结构中源S和汇聚点RP邻居、接口的相同与否，构建3种不同的仿真模型：到源S的RPF接口与到RP的RPF接口不同、到Source邻居与到RP邻居相同、到Source邻居与到RP邻居不同，并结合Wireshark网络协议分析工具进行数据包分析，结果表明：实现了PIM稀疏模式在数据切换过程中的零丢包，提高了网络服务质量。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38641561
« 12 3 4 5 6 7 8 9 10 »