討論了利用GPS多普勒頻移觀測值確定運動載體速度的基本原理,估計了這一方法可以達到的精 度。為驗證該方法的可靠性及穩(wěn)定性,做了兩個試驗:靜態(tài)試驗和動態(tài)試驗,試驗中實測動態(tài)數(shù)據(jù)處理采用 VAES軟件。理論研究和數(shù)據(jù)處理結(jié)果均表明,在衛(wèi)星分布較好的情況下,載體速度的確定精度可達mm/s。
上傳時間： 2013-12-22
上傳用戶：cylnpy
為研究棉田農(nóng)藥噴灑機器人導(dǎo)航路徑識別方法, 以 自然環(huán)境下采集的棉田圖像為研究背景, 在L ab 色彩空間 進行處理, 把棉株從土壤背景中識別出來。通過最大方差閾 值分割法將圖像轉(zhuǎn)化為二值圖像, 并經(jīng)過中值濾波去除噪 聲。二值圖像垂直方向投影做直方圖, 利用波谷位置確定左 右壟分界線。根據(jù)左右壟棉株位置平均得到導(dǎo)航離散點, 通 過Hough 變換得到導(dǎo)航路徑, 進而得到導(dǎo)航控制參數(shù)。利用 坐標系轉(zhuǎn)換關(guān)系將圖像坐標系中的導(dǎo)航信息轉(zhuǎn)換到世界坐 標系, 從而控制機器人行走。基于A S2R 機器人對連續(xù)動態(tài) 圖像進行分析, 該方法獲得的導(dǎo)航參數(shù)是完全可行的。
上傳時間： 2016-07-18
上傳用戶：sammi
STC12C5410AD單片機溫度濕度采集,并將模擬量通過對半查找法查表轉(zhuǎn)換成溫度值
上傳時間： 2016-07-23
上傳用戶：450976175
矩量法是求解電磁場邊界值問題中一種行之有效的數(shù)值方法.它所做的工作是將積分方程化為差分方程,或?qū)⒎e分方程中積分化為有限求和,從而建立代數(shù)方程組,故它的主要工作量是用計算機求解代數(shù)方程組.所以,在矩量法求解代數(shù)方程組過程中,矩陣規(guī)模的大小涉及到占用內(nèi)存的多少,在很大程度上影響了計算的速度.如何盡可能的減少矩陣存儲量,成為加速矩量法計算的關(guān)鍵.此處介紹了方法
上傳時間： 2013-12-10
上傳用戶：417313137
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
利用人臉的灰度值的不同可以高效識別人臉區(qū)域以及定位的功能，以及可以識別非人臉
上傳時間： 2013-12-22
上傳用戶：懶龍1988
溫度計最大轉(zhuǎn)化時間750微秒,顯示溫度-55到+125度,顯示精度為0.1度顯示采用4LE共陽顯示測溫值。
上傳時間： 2014-11-28
上傳用戶：yyyyyyyyyy
用可調(diào)電阻調(diào)節(jié)電壓值作為模擬溫度的輸入量，當溫度低于30℃時，發(fā)出長嘀報警聲和光報警，當溫度高于60℃時，發(fā)出短嘀報警聲和光報警。測量的溫度范圍在0－99℃。
上傳時間： 2016-08-09
上傳用戶：ardager
在做2維度樣本分類的過程中,若我們能事先畫出訓(xùn)練樣本在空間中的分散情形,這將有助於我們在設(shè)定SVM分類器的參數(shù)C的取值範圍. 例如:若畫出的訓(xùn)練樣本的散佈較分散,我們可以得知此時採用的參數(shù)值可以取在較大的範圍. 所以本程式也是讓想要畫出資料樣本在平面的散佈情形者之一各可行工具.
上傳時間： 2016-08-19
上傳用戶：sy_jiadeyi
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<rt id="oywqk"></rt>