灰度圖像的頻域增強(qiáng),MATLAB實(shí)現(xiàn),內(nèi)有圖
上傳時(shí)間： 2016-07-11
上傳用戶：zhenyushaw
在理想情況下采用非可靠度導(dǎo)向的順序掃描法或菱形算法等相位展開的基本方法可以正確展開相位，這些算法具有最簡單的和確定的掃描路徑，如果測量過程中噪音較大或本身有些地方不滿足采樣定理，采用非可靠度導(dǎo)向方法展開會(huì)出現(xiàn)錯(cuò)誤?？煽慷葘?dǎo)向的相位展開方法可以繞開二維相位場中的無效點(diǎn)，在某 種程度上將誤差降到最小。
上傳時(shí)間： 2016-07-11
上傳用戶：heart520beat
MOEAs對(duì)于度歐表的有 花紋那
標(biāo)簽： MOEAs
上傳時(shí)間： 2016-07-14
上傳用戶：aappkkee
Java做的一個(gè)百度mp3下載軟件，用的是NetBeans開發(fā)。這是可執(zhí)行的程序
上傳時(shí)間： 2013-12-21
上傳用戶：tyler
提取灰度圖的邊界，輸入?yún)?shù)是灰度圖，輸出參數(shù)是灰度圖邊界的坐標(biāo)
標(biāo)簽： 灰度
上傳時(shí)間： 2014-12-01
上傳用戶：Ants
公農(nóng)歷轉(zhuǎn)換 用51 單片機(jī)實(shí)現(xiàn)公歷與農(nóng)歷星期的轉(zhuǎn)換
標(biāo)簽： 農(nóng)歷 轉(zhuǎn)換 單片機(jī)
上傳時(shí)間： 2016-07-18
上傳用戶：小儒尼尼奧
普遍計(jì)算環(huán)境中的公鑰密碼體制算法及應(yīng)用研究，公鑰研究，一篇碩士論文
標(biāo)簽： 計(jì)算 環(huán)境 密碼體制 應(yīng)用研究
上傳時(shí)間： 2013-12-18
上傳用戶：CHENKAI
幾種圖像處理源碼 程序代碼說明 P0301：數(shù)字圖像矩陣數(shù)據(jù)的顯示及其傅立葉變換 P0302：二維離散余弦變換的圖像壓縮 P0303：采用灰度變換的方法增強(qiáng)圖像的對(duì)比度 P0304：直方圖均勻化 P0305：模擬圖像受高斯白噪聲和椒鹽噪聲的影響 P0306：采用二維中值濾波函數(shù)medfilt2對(duì)受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數(shù)filter2對(duì)受噪聲干擾的圖像進(jìn)行均值濾波 P0308：圖像的自適應(yīng)魏納濾波 P0309：運(yùn)用5種不同的梯度增強(qiáng)法進(jìn)行圖像銳化 P0310：圖像的高通濾波和掩模處理 P0311：利用巴特沃斯（Butterworth）低通濾波器對(duì)受噪聲干擾的圖像進(jìn)行平滑處理 P0312：利用巴特沃斯（Butterworth）高通濾波器對(duì)圖像進(jìn)行銳化處理
標(biāo)簽： P0301 P0302 P0303 P0
上傳時(shí)間： 2013-11-25
上傳用戶：jkhjkh1982
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)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(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
