搜索资源列表
KingdomXCitiesandVillages
- Topcoder SRM 503 DIV1 500P 编程比赛题目分析及源码 LV2 500P 王国的城乡 KingdomXCitiesandVillages 题目大意：王国有多个城市和村庄，开始没有道路（连接两点的线段），假设建造道路的过程如下，先找出任意一个没有道路的村庄，将其与最近的点连接（这个点要是城市或直接间接连接到城市的村庄），如果距离相同就等概率任选一个。求总道路长度的期望。 分析：对于任何一个村庄只要求出它连
DragImageView
- 最近的一个android 项目中，客户要求在查看拍照上传的图片时，可以对图片进行多点触控的拖拽、放大、缩小等操作。网上的范例都不怎么好，实现的效果差强人意。 下面说说我的方案： 步骤一：自定义一个View，该View继承自ImageView。在该View中实现多点触控的拖拽、缩放等功能。 步骤二：像使用ImageView那样，在XML中引入该View。当然也可以动态创建该View然后添加到容器组件中。-A recent an
KMeans
- K-均值聚类算法，属于无监督机器学习算法，发现给定数据集的k个簇的算法。 首先，随机确定k个初始点作为质心，然后将数据集中的每个点分配到一个簇中，为每个点找距其最近的质心， 将其分配给该质心对应的簇，更新每一个簇的质心，直到质心不在变化。 K-均值聚类算法一个优点是k是用户自定义的参数，用户并不知道是否好，与此同时，K-均值算法收敛但是聚类效果差， 由于算法收敛到了局部最小值，而非全局最小值。 K-均值聚类算法的一个
SURF-based-image-stitching
- SURF算法作为一种新近出现的特征提取方法，在重复度、独特性、鲁棒性3个方面，均超越或接近以往提出的同类方法，并在计算效率上具有明显的优势。本代码采用SURF算法检测图像并进行坐标变换与图像拼接。 采用SURF算法对图像进行检测，其主要是用Hessian矩阵对图像进行检测，对图像的特征提取之后找到图像的特征点。之后采用最近临快速匹配（NN）、随机抽样一致性（RANSAC）算法和最小二乘法参数优化（LM）对特征点进行提纯匹配。最后在两
11
- 算法求最近对问题,通过分治法求n个点的最近对问题-the problem of the nearest point
bi_linear_quadratic_interpolation
- 双线性插值是指利用映射点在输入图像的4 个邻点的灰度值对映射点进行插值,即待插点处的数值用离待插点最近的四个点的值加权求得。在同一行内根据待插值像素点与其前后的原图像像素点的位置距离进行加权线性插值,即离原图像像素点越近的待插值像素点,原图像像素的加权系数就越大 行间根据待插值行与其上下的原图像行间的距离进行加权线性插值,即离原图像行越近的待插值行,原图像行的加权系数就越大-Bilinear mapping point is the u
yxj_jb51
- 很多网站都做了右下角广告，但对于兼容性稍微好点的确实不多，最近从广告商那里发现了下面的代码，对功能增加了一些，可以关闭，点击广告后再显示关闭字样，效果不减，用户体验稍微好点，不能关闭的右下角广告对与小屏幕的使用者来说是很难受的。 yxy.js 为普通的右下角广告，直接调用活复制代码到您的js文件里面即可。 guanbi-no.js 右下角广告代码，增加了两个地址与图片随机变换。 yxy_close.js 右下角广告代码，
5ab
- 目前正在使用的最新版最大特点本系统改变了以往网址站一成不变的模式，采用谁对我站贡献大，我站也给予他最大的宣传和展示的机会；只要您在本系统注册登记您的网址，然后在你网站做好我站连接，只要平常连接即可，每次从您网站有用户到我站，那么你的网站将在最近入站以及你网站所在分类的第一位置！连接双方公正平等。同时系统还设置了各个省份最受欢迎网站以及站点入、点出排行等功能。-The latest version of the most importan
www.1314xxl.cn
- 本程序是在此发布过的《情感小筑文章管理程序》最近浪人（估哥）把原来的升级到了现在的v2.41版本不管从适用还是管理方面都增强了，说实在的本程序很适用，只是不是静态可能对很多人来讲是件很遗憾的事，不过估哥说过这样一句话“如果你会点编程的技术的话想转成静态应该不成问题”不过对空间的容量来讲可能就大大提高了不少，本程序我也是由估哥的浪人文章转变而来很感谢估哥，我同样也收到很多邮件很多网友提出了问题比如广告位管理、前台友情链接管理、文章发布时跳
ImageZoomClass
- 最近刚学GDI+，就想找个应用练练手，于是基于GDI+封装了此类，接口已经独立出来，使用十分方便，在MFC上直接使用（在VS2010 x64上编译，32位也可以），类的特定如下： 1.基于GDI+封装的类，文档和对话框可直接使用； 2.类初始化时可选择图片是否充满控件，充满的话，图片会适应控件的宽度进行缩放，但会保存原有的长宽比不变； 3.变换前后的坐标关系已经封装好，可直接调用； 4.缩放前后采样最临近点差值（wind
LDFV
- VLAD VLAD可以理解为是BOF和fisher vector的折中 BOF是把特征点做kmeans聚类，然后用离特征点最近的一个聚类中心去代替该特征点，损失较多信息； Fisher vector是对特征点用GMM建模，GMM实际上也是一种聚类，只不过它是考虑了特征点到每个聚类中心的距离，也就是用所有聚类中心的线性组合去表示该特征点，在GMM建模的过程中也有损失信息； VLAD像BOF那样，只考虑离特征点最近的聚类中
深度图像
- (1) 读取图片 ，转换为灰度图像； (2) 对 view1.png view1.png view1.png view1.png和 View5 .png .png 将图像 按照 4x4 像素 /方格 的形式 进行 分块； (3) 考虑 边缘的相对稳定 性，以及 双目 成像 视差 规律 ，在第一幅图像分割得 到的块图像周围 20 个像素 个像素 的距离区间内由近到远进行搜索，寻找 与该块 欧氏距离最近的块作为新位置 ； (4) 计算
CureDemo
- 实现的cure聚类的demo。算法在开始时，每个点都是一个簇，然后将距离最近的簇结合，一直到簇的个数为要求的K。它是一种分裂的层次聚类。算法分为以下6步： 1）从源数据对象中抽取一个随机样本S。 2）将样本S分割为一组划分。 3）对划分局部的聚类。 4）通过随机取样提出孤立点。如果一个簇增长得太慢，就去掉它。 5）对局部的簇进行聚类。 6）用相应的簇标签标记数据。(The implementation