经典论文，对应的MATLAB代码：http://download.csdn.net/detail/shyn02588/9673241

评估图像的归一化均方误差 (NMRS) 作为滤波过程中去噪有效性和图像结构/细节保留的度量。 NMSE 表示过滤后的图像与真实图像的相似程度（在这种情况下，NMSE = 0）。

归一化后特征向量为 通过了一致性验证，是可行的。 的最大特征值为 与此类似，我们可以求出方案层中各方案的成对比较矩阵。

欧氏距离matlab代码多通道归一化互相关 这是来自BMVC 2017和arXiv提交的MATLAB实现。 入门 克隆此仓库： git clone --recurse-submodules https://github.com/bkong/MCNCC 请按照上的说明安装MatConvNet。 路线搜索匹配 下载数据集（例如，fid300） bash scripts/download_dataset.sh fid300 启动MATLAB matlab 通过运行适当的特征提取功能来提取ResNet-50 res2bx特征 >> gen_resnetfeats_fid300(2) 计算MCNCC分数 >> alignment_search_eval_fid300(1:300, 2) 1:300指定要针对FID-300的参考图像评估哪些裁剪的犯罪现场图像。 因为这是一个缓慢的过程，所以您只能评估犯罪现场图像的一部分。 或者，您可以通过在不同的计算机/ GPU上指定不同的子集来手动分配工作负载以加速任务。 生成将MCNCC与基准进行比较的CMC图 >> baseline_comparison_c

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVITEM改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVITEM改进算法较为适合本研究区。

传统的细菌觅食优化算法仅针对单目标优化问题寻优，为进一步发掘细菌群体智能在多目标优化问题中的寻优优势，提出了改进的多目标细菌觅食优化算法。在个体间互不支配时给出归一化的择优策略；引入差分思想完成复制操作，提高种群的多样性；采用栅格划分法进行迁徙操作，提高解集的分散性；同时使用外部集存放当前找到的非支配解，并不断对外部集进行优化。通过对多个标准函数进行测试并与其他几种算法的对比结果表明，所提出的多目标细菌觅食优化算法在解的收敛性和分散性指标上都有一定提升，能够有效解决多目标优化问题。

批量归一化 在对神经网络的优化方法中，有一种使用十分广泛的方法——批量归一化，使得神经网络的识别准确度得到了极大的提升。 在网络的前向计算过程中，当输出的数据不再同一分布时，可能会使得loss的值非常大，使得网络无法进行计算。产生梯度爆炸的原因是因为网络的内部协变量转移，即正向传播的不同层参数会将反向训练计算时参照的数据样本分布改变。批量归一化的目的，就是要最大限度地保证每次的正向传播输出在同一分布上，这样反向计算时参照的数据样本分布就会与正向计算时的数据分布一样了，保证分布的统一。 了解了原理，批量正则化的做法就会变得简单，即将每一层运算出来的数据都归一化成均值为0方差为1的标准高斯分布。这

matlab灰色处理代码OCT_preprocess，tanh为婷 光学相干断层扫描（OCT）的预处理包括以下步骤： octSpectrailisReader将OCT图像转换为python可处理的nd-array，并在matlab.pyplot.imshow所示的第一层图像OCT图像中检索有用的信息： retinaDetect查找内部限制膜（ILM），内部段（IS），外部段（OS）和Bruch膜（BM）的边界所示图像上的三行是ILM，ISOS（IS和OS的组合）和BM代码检测到的边界： 对图像进行归一化后，normalizeOCT对OCT图像进行归normalizeOCT化并减少噪声，灰度图像如下所示： retinaFlatten根据retinaDetect中的返回值计算retinaDetect并使用BM作为基线展平图像。 灰度和RGB两种形式的最终图像：

[y] = normalize_column(x) 输入 ： x : 二维实/复值矩阵输出 ： y : 归一化矩阵，使得 y 的每一列都是单位长度

基于FPGA的Alexnet局部响应归一化函数实现，邱宇，别红霞，凭借低基于FPGA的Alexnet局部响应归一化函数实现基于FPGA的Alexnet局部响应归一化函数实现功耗和并行计算的特性，FPGA实现Alexnet前向网络成