利用Matlab軟件編寫了程序提取了的任意大小的字母和漢字的顯示特征，給出了對應的圖像矩陣，并將讀取的二值矩陣轉換為單片機能識別的16進制數字代碼，通過單片機構建電路實現字母和漢字的顯示。提取字母可以改變大小和形狀，達到動態顯示字母大小和流動變換顯示的效果，提高顯示設備觀賞價值，可以提高人們對重要信息的注意。
上傳時間： 2013-11-13
上傳用戶：lijinchuan
傳統多模態生物特征識別方法當出現生物特征缺失時，識別性能會明顯下降。針對此問題，提出一種融合人臉、虹膜和掌紋的自適應并行結構多模態生物識別方法。該方法在設計融合策略時，考慮到所有可能的輸入缺失，構造并行結構的融合函數集，在實際應用時根據輸入狀態自適應的選擇融合策略進行識別。實驗仿真結果表明該方法既可提高識別可靠性又可實現當有生物特征缺失時的性能穩定。
上傳時間： 2013-11-02
上傳用戶：huangld
適用于51單片機的串口發n
上傳時間： 2014-12-25
上傳用戶：qingzhuhu
89c51一種用N+1條線實現矩陣鍵盤
標簽： 矩陣鍵盤
上傳時間： 2014-12-26
上傳用戶：lhw888
提出了一個自適應量子粒子群優化算法，用于訓練RBF網絡的基函數中心和寬度，并結合最小二乘法計算網絡權值，對RBF網絡的泛化能力進行改進并用于特征選擇。實驗結果表明，采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力，而且具有良好的穩定性，能夠選擇出較優秀的特征子集。
上傳時間： 2013-11-16
上傳用戶：erkuizhang
針對傳感器網絡下多目標跟蹤時目標數量不斷變化這一復雜情況，文中對多目標的跟蹤和特征管理方法進行了研究。該方法由數據關聯、多目標跟蹤、特征管理，和信息融合所組成。其中未知數量多目標的跟蹤和數據關聯通過馬爾科夫蒙特卡羅數據關聯實現。通過信息融合來整合本地信息，獲取所有相鄰傳感器的本地一致性，最終實現特征管理。試驗證明，本方法能夠在分布式的傳感器網絡環境下對多目標進行準確有效地跟蹤和特征管理。
上傳時間： 2013-11-18
上傳用戶：wangdean1101
機場道面異物是威脅跑道運行安全的常見病害，及時、準確的檢測異物具有現實意義。針對現有的人工目視檢測方法，本文基于圖像處理理論，提出了一種機場道面異物的自動檢測算法。根據機場道面的復雜背景和常見異物的特點，本文采取了分塊的方法，選擇Harris角點、灰度共生矩陣、灰度級分布范圍等特征，分別用閾值法和SVM法對實際機場道面異物圖像進行檢測。初步實驗證明，該方法可以有效檢測出機場道面復雜背景下的異物，實驗結果顯示，檢測正確率達到了98%。
上傳時間： 2013-11-26
上傳用戶：2404
當許多編程人員從事這項工作但又不使用源代碼管理工具時，源代碼管理幾乎不可能進行。Visual SourceSafe是Visual Basic的企業版配備的一個工具，不過這個工具目的是為了保留一個內部應用版本，不向公眾發布（應當說明的是，M i c r o s o f t并沒有開發Visual SourceSafe，它是M i c r o s o f t公司買來的） 。雖然Visual SourceSafe有幫助文本可供參考，但該程序的一般運行情況和在生產環境中安裝 Visual SourceSafe的進程都沒有詳細的文字說明。另外，Visual SourceSafe像大多數M i c r o s o f t應用程序那樣經過了很好的修飾，它包含的許多功能特征和物理特征都不符合 Microsoft Wi n d o w s應用程序的標準。例如，Visual SourceSafe的三個組件之一（Visual SourceSafe Administrator）甚至連F i l e菜單都沒有。另外，許多程序的菜單項不是放在最合適的菜單上。在程序開發環境中實現Visual SourceSafe時存在的復雜性，加上它的非標準化外觀和文檔資料的不充分，使得許多人無法實現和使用 Visual SourceSafe。許多人甚至沒有試用 Vi s u a l S o u r c e S a f e的勇氣。我知道許多高水平技術人員無法啟動Visual SourceSafe并使之運行，其中有一位是管理控制系統項目師。盡管如此，Visual SourceSafe仍然不失為一個很好的工具，如果你花點時間將它安裝在你的小組工作環境中，你一定會為此而感到非常高興。在本章中我并不是為你提供一些指導原則來幫助你創建更好的代碼，我的目的是告訴你如何使用工具來大幅度減少管理大型項目和開發小組所需的資源量，這個工具能夠很容易處理在沒有某種集成式解決方案情況下幾乎無法處理的各種問題。
上傳時間： 2013-10-24
上傳用戶：lgd57115700
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區分能力和LDA所具有的判別性優勢來進行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進行初次降維，再利用LDA實現再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實驗驗證了該算法的有效性。
上傳時間： 2013-12-14
上傳用戶：alex wang
頭肩的定位檢測采用了Haar特征和HOG特征的層級分類方法，并根據頭肩的對稱性特點，提出了一種稱為Joint HOG的組合型特征。通過Haar分類器濾除大部分負樣本后，接著用HOG進行精細的驗證從而得到頭肩目標框。實驗表明，本文的方法取得了80%~90%的準確率，并且完全可以用于實時處理。
上傳時間： 2013-11-13
上傳用戶：weareno2
<pre id="pauyg"></pre>
