局部二进制模式（LBP）是一种有效的纹理描述符，在纹理分类和面部识别中具有成功的应用。 常规LBP描述符有许多扩展。 扩展之一是主要局部二进制图案，其目的是提取纹理图像中的主要局部结构。 第二个扩展表示Gabor变换域（LGBP）中的LBP描述符。 第三个扩展是多分辨率LBP（MLBP）。 另一个扩展是用于视频纹理提取的动态LBP。 在本文中，我们将传统的本地二进制模式扩展到金字塔变换域（PLBP）。 通过级联分层空间金字塔的LBP信息，PLBP描述符考虑了纹理分辨率的变化。 PLBP描述符显示了其在纹理表示方面的有效性。 对LBP，MLBP，LGBP和PLBP进行了全面比较。 比较了无采样，部分采样和空间金字塔采样方法构建PLBP纹理描述符的性能。 讨论了金字塔生成方法和金字塔级别对基于PLBP的图像分类性能的影响。 与现有的多分辨率LBP描述符相比，PLBP具有令人满意的性能和较低的计算成本。
2021-08-16 10:01:48
2.24MB
1
差分隐私早期学习笔记。
含"差分隐私_notes"的汇报文档，以及包含高斯机制(The Gaussian Mechanism)详细证明的文档
2021-08-06 22:23:57
1.49MB
1
Gaussian是一个功能强大的量子化学综合软件包。其可执行程序可在不同型号的大型计算机，超级计算机，工作站和个人计算机上运行，并相应有不同的版本。高斯功能：过渡态能量和结构、键和反应能量、分子轨道、原子电荷和电势、振动频率、红外和拉曼光谱、核磁性质、极化率和超极化率、热力学性质、反应路径，计算可以对体系的基态或激发态执行。可以预测周期体系的能量，结构和分子轨道。
2021-07-31 16:23:41
188.83MB
1
绘制在声学和光子场中生成的经典高斯光束的脚本集合。
2021-07-21 14:08:05
267KB
1
文档说明http://blog.csdn.net/szlcw1/article/details/41758711
2021-07-16 13:14:17
950B
1
matlab仿真丢包率代码该存储库包含论文“Xu,
L.,
Y.
Mo,
and
L.
Xie,
Remote
State
Estimation
with
Stochastic
Event-triggered
Sensor
Schedule
in
the
Presence
of
Packet
Drops.
已提交，2019
年”的仿真代码。
“estiamtors.py”文件包含所有用
Python
函数编写的估算器。
“RelativeMSEvsLossRate.py”文件比较了不同估计器在不同丢包率下的相对MSE。
“ExecutionTimeCompare.py”文件比较了不同估算器的执行时间。
“RelativeMSEPlot.m”和“ExecutionTimePlot.m”是绘制最终仿真结果的MATLAB脚本。
2021-07-15 17:34:14
6KB
1
指数修正高斯 (exGaussian) 分布描述独立正态和指数随机变量的总和。 该分布被提议作为色谱峰形状的模型 [1]，也用于心理学、心理生理学和神经科学作为React时间模型 [2-4]。 让我们以React时间为例。 总React时间可以分为两个部分 [2，第 4 章]，[4]： - 决定回应所花费的时间（“决定部分”）； - 感知刺激和身体React所需的时间（“转导组件”） 转导分量可以通过具有 mu 平均值和 sigma 标准偏差的正态分布建模。 决策组件可以通过具有 tau 平均值的指数分布建模。 然后总React时间由 exGaussian 建模，参数为 mu、sigma 和 tau。
此提交包含三个处理 exGaussian 分布的函数： - exgauss_rnd.m 生成 exGaussian 随机数； - exgauss_pdf.m 计算 exGaussian
2021-07-12 18:34:01
3KB
1