搜索资源列表
GMMmatlab程序
- 混合高斯模型，用于背景变化无抖动的目标的前景提取(The hybrid Gauss model is used for foreground extraction of background invariant targets without jitter)
Desktop
- 实现图像分割活动轮廓模型融合了图像的多种信息，分割出来的图像边缘是一个封闭的曲线。 本文的研究目的是寻找一种分割效果精确，同时分割速度快的基于活动轮廓模型的 医学图像分割算法。本文首先阐述了医学图像分割的背景，研究的意义，并介绍了 常见的医学图像分割算法。其次，介绍了活动轮廓模型的原理，并提出了其中的热 点研究方向：几何活动轮廓模型。再次，将其分为基于轮廓的几何活动轮廓模型和 基于区域的几何活动轮廓模型两个方向，分别提出改进的
447809
- 混合高斯模型,用于背景建模的程序,使用时请安装OPENCV()
codebook算法
- codebook的建模效果比平均背景法好很多，建模过程中可以适应运动。CodeBook算法的基本思想是得到每个像素的时间序列模型。这种模型能很好地处理时间起伏，缺点是需要消耗大量的内存。(Image processing, codebook algorithm)
JGIB
- 混合高斯模型,用于背景建模的程序,使用时请安装OPENCV()
2543280
- 对于静态场景,提取其背景的程序,应用三高斯模型()
Matlab-libsvm-3.20
- SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机
开心网
- 开心网css设计 ? HTML5文件结构 ? 常用基本标签 ? 网页布局 ? 表单 ? CSS3 ? CSS基础语法 ? 文本和图像 ? 背景属性 ? 盒子模型 ? 浮动与定位 ? CSS3变形、过渡、动画(kaixinwang CSS design)
CloudViewer-master
- CloudViewer （点云可视化软件）是一款面向三维点云数据处理、点云开发专业人员及爱好者的三维点云可视化软件，该软件具备以下功能： 点云 IO。常见点云格式文件（如 ply, pcd 和 obj）的读取、保存、删除清空及可视化。 点云的基本操作。设置点云颜色，合并多个点云，点云格式转换等。 可视化的基本操作。设置视图窗口背景颜色，设置点云的可视化尺寸，设置坐标系的显示，设置视图方位（Main view, Left
Deep Learning with Python
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Fran?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(
Python深度学习.pdf+代码
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。
supervisory-control-fault-diagnosis
- 基于模型的设计课程是一系列自定进度的学习模块, 旨在培养混合动力电动汽车背景下基于模型的设计的基本理解。在本课程中, 基于模型的设计被定义为在复杂系统 (如车辆动力总成) 中开发物理系统和控制器数学模型的方法。本课程的目的是通过开发基本模型来建立对复杂系统的理解, 这些模型可以修改, 以纳入更复杂的行为。监控与故障诊断是该系列的第三门课程。介绍了推进转矩控制和发电机控制模型的应用, 介绍了电池充电状态调节的监控, 并讨论了故障诊断方法。
MFP_based_on_High_order_Statistics-master
- 浅层海洋环境由信源组成声源，海洋形成信道，和水听器阵列组成接收器。在这个传播模型中，信源，信道和接收信号这三者，通常能知二求一，具体应用诸如利用海洋环境参数和接收到的信号来定位声源，或者通过计算发射信号和接收信号之间的差异，反演海洋环境参数。 而在接收器方面，我们通过设置各向同性的水听器阵列。通过算法和处理器，我们便能量化模型，传统是处理器主要基于接收信号是高斯信号，而海洋中存在着大量的有色噪声。本课题的研究目的便是在前人的基础上，在海
量化交易的发展之路_刘奥南
- 由作者华泰(香港)期货 刘奥南 发表的量化交易的发展之路 。 部分内容：量化交易的发展之路 正处于互联网+大数据+云计算+人工智能的时代大背景下 华泰(香港)期货 刘奥南 引言 量化交易将传统交易理念规则化、变量化、系列化、模型化，利用计算机技术从庞大的历史 数据中海选出多种“大概率”节点，藉以制定新型投资策略，形成一整套操作系统，在实盘中使 用电脑自动执行。量化交易区别于主观交易的最
人员疏散仿真源程序
- 采用格子气模型和背景场模型对障碍物双出口房间内的行人疏散过程进行仿真(Simulation of pedestrian evacuation process in double exit room of obstacles using lattice gas model and background field model)
仿真
- 基于元胞自动机实现人员疏散仿真，介绍背景场模型和格子气模型的原理,采用格子气模型和背景场模型对障碍物双出口房间内的行人疏散过程(Based on the cellular automata to realize the evacuation simulation of the personnel, introduce the principle of the background field model and the lattice
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the backgr
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要