已知有两个样本空间 1 2 和ω ω ，这些点对应的横纵坐标的分布情况是： x1=[1,2,4,1,5]; y1=[2,1,-1,-3,-3]; x2=[-2.5,-2.5,-1.5,-4,-5,-3];y2=[1,-1,5,1,-4,0]; 在二维空间样本分布图形如下所示。（plot(x1,y1,x2,y2)） 1、用 matlab 完成感知准则函数确定程序的设计。 2、请确定 sample=[(0,-3),(1,3),(-1,5),(-1,1),(0.5,6),(-3,-1),(2,-1),(0,1), (1,1),(-0.5,-0.5),( 0.5,-0.5)];属于哪个样本空间,根据数据画出分类的 结果。 3、请分析一下 ρ k 和对a(1) 于感知函数准则确定的影响，并确定当 ρ k =1/2/3 时， 相应的 k 的值，以及a(1) 不同时，k 值得变化情况。 4、根据实验结果请说明感知准则函数是否是唯一的，为什么？

example4_1~example4_7为【单层感知器相关函数详解】中各个实例对应的代码脚本。 perception_hand.m为【单层感知器应用实例】手算部分的代码，修改后用于线性不可分问题的代码为perception_hand_un.m。 使用工具箱函数的代码为perception_fcn。共12个文件，

针对图像编码与重构系统的实际需求，设计了一种基于HPS和FPGA的图像处理系统。该系统实现了图像的实时采集、压缩、传输和重构。系统采用DE1-SoC开发板，在FPGA中设计了D5M摄像头、SDRAM、VGA的IP核，在QSYS中利用AXI和Avalon总线连接IP核，利用Linux C编程在HPS中实现了图像的压缩感知(CS)编码和传输，在MATLAB上位机中接收压缩数据并实现图像的重构，减少了FPGA资源使用和设计复杂度。结果表明，该系统能够实现任意自然图像的处理，图像压缩比约为8%，PSNR约为41 dB，应用灵活，可移植性强，能够满足实际工程的需要。

基于MLP(多层感知机)的时间序列预测python源码+超详细注释 内容包含： 01.(多步+单变量输入)_(单步+单变量输出)_监督学习数据 02.(多步+单变量输入)_(单步+单变量输出)_MLP模型 03.(多步+多变量输入)_(单步+单变量输出)_监督学习数据 04.(多步+多变量输入)_(单步+单变量输出)_MLP模型 05.(多步+多变量输入)_(单步+多变量输出)_监督学习数据 06.(多步+多变量输入)_(单步+多变量输出)_MLP模型 07.多路输入_(多步+多变量输入)_(单步+单变量输出)_MLP模型 08.多路输出_(多步+多变量输入)_(单步+多变量输出)_MLP模型 09.(多步+单变量输入)_(多步+单变量输出)_监督学习数据 10.(多步+单变量输入)_(多步+单变量输出)_MLP模型 11.(多步+多变量输入)_(多步+单变量输出)_监督学习数据 12.(多步+多变量输入)_(多步+单变量输出)_MLP模型 13.(多步+多变量输入)_(多步+多变量输出)_监督学习数据 14.(多步+多变量输入)

基于空间感知图神经网络（GNN）和跨级分子轮廓预测（Python完整源码和数据） 基于空间感知图神经网络（GNN）和跨级分子轮廓预测（Python完整源码和数据） 基于空间感知图神经网络（GNN）和跨级分子轮廓预测（Python完整源码和数据）

空中三角测量matlab代码概述 我们实现了 ICPR 2016 论文的算法：Building Facade Recognition from Aerial Images using Delaunay Triangulation Induced Feature Perceptual Grouping, Xuebin Qin, Martin Jagersand, Xiucheng Yang, Jun Wang, ICPR 2016。 @inproceedings{DBLP:conf/icpr/QinJYW16, author = {Xuebin Qin and Martin J{"{a}}gersand and Xiucheng Yang and Jun Wang}, title = {使用 Delaunay Triangulation 诱导特征感知分组从航拍图像识别建筑物立面}，书名 = {23rd International Conference on Pattern Recognition，{ICPR} 2016，Canc{'{u}}n，墨西哥，2016 年 12 月 4-8 日}

近年来，运营商通过在ROADM设备上部署光电转换装置实现了光传输网络中业务的细粒度调度，从而提升频谱资源的利用率。但是光电转换装置价格昂贵，导致了网络部署成本的增加。针对光传输网络中业务和光模块的部署问题进行了 ILP 建模，并证明其为 NP-hard 问题。提出了两种基于光电转换装置成本感知的路由和波长分配算法：OEO-RWA算法和SA-RWA算法，并通过仿真证明两种算法既能够保证业务的细粒度调度，又能够减少光电转换装置数量，降低网络部署成本。

基于隐私感知理论的用户隐私保护机制，张坤，闫强，隐私权是一种重要的人格权，但是由于互联网和通信技术的进步，扩展了隐私信息的范围，同时也使隐私侵犯的技术难度降低，进而导致

针对传统频谱感知检测概率较低的不足，提出了一种基于随机矩阵特征值比的机会协作频谱感知算法。该算法在随机检测理论基础上，利用双门限，加入机会协作机制，对传统最大最小特征值（MME）算法进行改进，并保留了传统能量检测算法的低复杂度优势。在已知虚警概率前提下，推导了判决门限，并在接收中依靠奇偶时隙划分，有效实现了机会协作。仿真结果表明，在低信噪比和低虚警概率的情况下，所提频谱感知算法，相对MME算法有更高的检测概率，适合在恶劣传输信道的无线通信中应用。

matlab中存档算法代码SIRT-FISTA-TV重建算法 SIRT-FISTA-TV是一种规则化的迭代重建算法，对嘈杂和模糊的数据非常健壮，并且可以大大减少丢失的楔形伪影。 它包括三个步骤： SIRT更新（也可以使用SART和OS-SART） 电视最小化（使用渐变下降） FISTA技术可加快收敛速度 使用CUDA mex函数可在GPU上加速该算法。 它取决于两个工具箱：ASTRA和Spot。 使用了ASTRA的投影和反投影功能。 Spot工具箱用于提供一个MATLAB框架，该框架将线性运算包装到行为类似于矩阵的MATLAB对象中。 我们提供了两个示例来测试该算法：example1.m和example2.m，它们在正确执行安装后应该很容易运行。 安装 在MATLAB文件浏览器中选择“ ASTRA-工具箱”，“ Spot-工具箱”，“电视最小化”和“数据” ----->右键单击----->添加到路径----->选定文件夹和子文件夹。 请注意，如果不是这样，您可以键入命令“ filebrowser”以打开MATLAB文件浏览器。 安装CUDA工具包（8.0版效果很好）链接： 安装C ++