壓縮解壓縮代碼，使用的是霍夫曼算法，是很好的一個初學者的試例
上傳時間： 2015-08-13
上傳用戶：bakdesec
數字信號處理的應用之一是從含有加性噪聲的信號中去除噪聲。現有被噪聲污染的信號x[k]=s[k]+d[k],式中： 為原始信號d[k]為均勻分布的白噪聲。 （1）分別產生50點的序列s[k]和白噪聲序列d[k],將二者疊加生成x[k],并在同一張圖上繪出x0[k],d[k]和x[k]的序列波形。 （2）均值濾波可以有效去除疊加在低頻信號上的噪聲。已知3點滑動平均數字濾波器的單位脈沖響應為h[k]=[1,1,1 k=0,1,2],計算y[k]=x[k]*h[k],在同一張圖上繪出前50點y[k],s[k]和x[k]的波形，比較序列y[k]和s[k]。
上傳時間： 2015-08-19
上傳用戶：Andy123456
圖形學消隱實驗，*方案1上下旋轉，只顯示可見面，函數說明：void Project(float X,float Y,float Z) 功能：根據透視或平行投影將三維點進行投影變換 入口參數：float X,float Y,float Z 返回參數：無（void）
上傳時間： 2013-12-22
上傳用戶：liuchee
89c2051單片機制作的轉速測定儀，傳感器用霍爾開關管
上傳時間： 2015-08-25
上傳用戶：sunjet
ST7 Visual Develop for ST7 Assembler Toolset Users integrated development environment that allows you to build, debug and program applications for ST7 microcontrollers.
標簽： development environment integrated ST7
上傳時間： 2015-08-25
上傳用戶：1109003457
VC+MO最短路徑算法 // 計算線的幾何長度 double CalcLength() // 通過線的id得到線數據 BOOL GetLineData(int id) // 得到距離某點最近的線段，返回該線段的id int GetNearestLineData( double x, double y) // 判斷兩點是否重合 BOOL IsPtCoincide( NetPoint ptFirst, NetPoint ptSecond ) // 得到最鄰近的點
標簽： GetLineData CalcLength double BOOL
上傳時間： 2015-08-28
上傳用戶：lizhen9880
(pdg格式,請用BXViewer打開)Java3D是由SUN公司推出的、面向Internet的三維動畫程序語言。通過在網頁上插入用Java3D編寫的Applet，就能讓瀏覽網頁的用戶感受到逼真的三維動畫效果。全書共分10章。第1章對Java3D作了全面的介紹；第2章和第3章講述如何構建基本的三維形體并用它們組合成復雜物體；第4章講述怎樣在Java3D中利用AutoCAD、3DS等軟件設計的形體；第5章~第7章分別介紹建立真實的三維環境所必需的燈光、材質、紋理、背景、霧效和聲音等要素；第8章闡述如何用鼠標、鍵盤控制三維形體的運動；第9章講解如何讓三維形體按照預定的軌跡運動以及如何優化形體的運動性能；第10章給出了一個綜合實例，它將深化讀者對Java3D的認識。本書附帶的光盤中提供了書中全部源程序、常用的開發工具和重要的技術資料。本書由有豐富的Java3D開發經驗的清華大學研究人員編寫。它不是一本Java3D的語法書或使用手冊，而是作者對自己實踐經驗的提煉。本書用大量的實例生動地闡述編程要點，讓讀者動態地掌握編程方法，而非靜態地學習編程規則；本書著重介紹應用編程經常會用到的一些技術，但并不面面俱到，目的是讓讀者盡可能簡潔地掌握編程的要旨。本書適用于有一定Java基礎的網絡編程愛好者和開發人員。
標簽： Java3D BXViewer Internet Applet
上傳時間： 2014-01-23
上傳用戶：JIUSHICHEN
一些有參考價值 文章關于人臉識別方面的．如果你還沒有大量閱讀 文章那就快看看這些吧，對你會有幫助的.次篇是關于霍夫距離識別人臉的
上傳時間： 2015-08-31
上傳用戶：阿四AIR
圖像平移只是改變圖像在屏幕上的位置，圖像本身并不發生變化。 假設原圖像區域左上角坐標為(x0, y0)，右下角坐標為(x1, y1)，將圖像分別沿x和y軸平移dx和dy，則新圖像的左上角坐標為(x0 ＋ dx, y0 ＋ dy)，右下角坐標為(x1 ＋ dx, y1 ＋ dy)。
上傳時間： 2015-09-03
上傳用戶：dongqiangqiang
support vector classification machine ％ soft margin ％ uses "kernel.m" ％ ％ xtrain: (Ltrain,N) with Ltrain: number of points N: dimension ％ ytrain: (Ltrain,1) containing class labels (-1 or +1) ％ xrun: (Lrun,N) with Lrun: number of points N: dimension ％ atrain: alpha coefficients (from svcm_train on xtrain and ytrain) ％ btrain: offest coefficient (from svcm_train on xtrain and ytrain) ％ ％ ypred: predicted y (Lrun,1) containing class labels (-1 or +1) ％ margin: (signed) separation from the separating hyperplane (Lrun,1
標簽： classification support machine Ltrain
上傳時間： 2015-09-04
上傳用戶：問題問題
