加权盒融合 存储库包含Python方法的几种实现，这些方法用于组合对象检测模型中的框： 非最大抑制（NMS） 软网管 非最大加权（NMW） 加权框融合（WBF） -与其他方法相比，可以提供更好的结果的新方法 要求 Python 3。*，Numpy，Numba 安装 pip install ensemble-boxes 用法示例 预计将标准化的框的坐标，例如，范围为[0; 1]。 顺序：x1，y1，x2，y2。 下面的2种型号的盒装示例。 第一个模型预测5个盒子，第二个模型预测4个盒子。 每个盒子模型的置信度得分1：[0.9、0.8、0.2、0.4、0.7] 每个盒子模型2的置信度得分：[0.5、0.8、0.7、0.3] 每个包装盒型号1的标签（类）：[0，1，0，1，1] 每个盒子模型2的标签（类）：[1、1、1、0] 我们将第一个模型的权重设置为2，将第二个模型

针对传统主成分分析法在特征提取中出现的耗时过长、平均对待所有像素点等问题，提出一种双中心羽化加权双向PCA（Bidirectional WPCA，BD-WPCA）的算法。算法首先将训练人脸样本和测试人脸样本图片进行双中心羽化加权处理，以增加人脸主要器官在识别中所占的比重；再用双向PCA算法分别在行和列方向上降维并提取特征；最后用K近邻法匹配分类。该算法在降低运算耗费时间，具有可行性。

复杂时间序列的多元加权多尺度置换熵

这是论文的随附代码： Xanthopoulos, P., & Razzaghi, T. (2014)。 一种用于控制图模式识别的加权支持向量机方法。 计算机与工业工程，70, 134–149。 有一个基于 Lib SVM 的实现，用于控制图异常趋势模式的时间序列分类。 有关更多信息，请参阅原始气泡。

用MATLAB编写，4个基站的基于TDOA的Chan-Taylor混合加权算法定位。最普通的Chan-Taylor算法，将Chan算法计算出来的估计值作为Taylor级数展开法的迭代初始值带入，之后合理设置Chan算法和Taylor级数展开法的加权系数来提高精度。采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求自己修改。本代码使用的衡量指标是累积分布函数CDF，也可以自己改成均方误差RMSE。下载后可以直接运行。可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。

加权图中顶点间最短路径的算法，使用C++实现Floyd算法，对正在学习算法的同学应该挺有帮助的

集装箱公铁联运的费用加权最短路计算机算法.docx

以前已经制定了针对高血压患者的线性规划DASH饮食模型，并且使用DHA饮食中的样本食品获得了每日最低费用饮食计划，该计划满足DASH饮食每天1500 mg的营养摄入量容许水平。 DASH饮食饮食计划图。 但是，在获得的线性计划DASH饮食计划中，使用线性规划模型来选择饮食计划以满足特定营养需求的局限性通常会导致某些营养素的供应明显不足，因为所获得的饮食计划的营养水平存在较大差异在给定的卡路里和钠水平下，DASH饮食可以忍受的最高和最低摄入量。 因此，需要一种模型，该模型能够以不同的日热量和钠水平以所需的成本为饮食计划提供最小的营养水平偏离DASH饮食的容许摄入水平。 因此，本文提出了一种加权目标规划DASH饮食模型，该模型可将DASH饮食计划的每日成本以及饮食中营养成分与DASH饮食可忍受的摄入水平的偏差最小化。 线性规划DASH饮食模型的工作中使用了DASH食物图表中的样本食物，针对制定的加权目标编程DASH饮食模型作了进一步说明，该饮食用于1500 mg钠水平和2000卡路里的每日饮食计划以及，每日2200、2400、2600、2800和3000卡路里水平。 在此钠水平和每天不同的

加权短时自相关函数的基音周期估计算法.doc

中英翻译《使用加权滤波器的一种改进的谱减语音增强算法》.doc