视频背景分离以及前景提取广泛应用于场景分析、目标追踪等领域。而鲁棒主成分分析(RPCA)则是实现视频背景与前景分离的重要技术之一。但是,用核范数来近似秩函数的传统RPCA模型在处理含有较大奇异值的图像时效果并不理想。为了解决这一问题,提出一种新的非凸函数来近似秩函数,对基于核范数的RPCA模型进行改进,并应用增广拉格朗日乘子法求解改进的模型。实验结果表明,与传统的RPCA及现有的一些改进模型相比,提出的基于非凸秩近似的RPCA模型计算效率更高,且图像分离效果更好。

计算导线平差的程序，方便快捷。只需输入测量数据，就可得出所要的结果。

英文 该目录包含文件，用于复制Creel，Gao，Hong和Kristensen撰写的论文“贝叶斯间接推断和GMM的ABC”中用于获取DSGE模型结果的过程，该文件将很快提供。 DSGE.pdf文件是摘录，提供了说明和结果。 估计器是使用重要性采样和局部线性非参数回归计算的近似贝叶斯计算估计器。 需要Open MPI，Julia（带有MPI和Distances软件包），Octave（带有MPI软件包）和其他支持代码，可从 要复制结果，请从bash提示符处执行“ sh MasterScript”。 如有疑问，请写信给

张量的n-秩近似 * 截断的Tucker分解：秩- 近似

推销员问题近似算法：二边逐次修正法：

用于随机微分方程模型中近似贝叶斯计算（ABC）的MATLAB工具箱。 它对具有由随机微分方程（SDE）定义且不限于“状态空间”建模框架的潜在动力学的随机模型执行近似贝叶斯计算。 一维和多维SDE系统均受支持，部分观察的系统易于容纳。 可以估计影响数据/观测值的“测量误差”的方差分量。 一本50页的参考手册提供了两个案例研究，这些案例研究已经实施和讨论。 该方法基于http://arxiv.org/abs/1204.5459上的研究文章。作者的研究页面为http://www.maths.lth.se/matstat/staff/umberto/

随机微分方程的黑盒变分推断 Lotka-Volterra示例的Tensorflow实现在 ， ， 和 （ICML，2018）中进行了。 示例：Lotka-volterra 在这里，我们在本文的第5.1节中演示示例“具有未知参数的多个观察时间”的实现。 也就是说，在已知测量误差方差的情况下，二维Lotka-Volterra SDE的全参数推断观察到的离散时间步长为10。 系统要求 以下示例已使用tensorflow 1.5，numpy 1.14和python 3进行了测试。尚未在任何依赖项的更新和/或更高版本上进行严格测试。 如有任何相关问题，请参阅联系部分。 此示例还使用张量板（1.5）可视化训练。 这样，您应该在lotka_volterra_data.py中为张量板输出指定路径。 例如： PATH_TO_TENSORBOARD_OUTPUT = "~/Documents/my_

放大 Unity 产品 虽然此软件包按原样免费提供，但我们开发和维护由数千名开发人员使用的专业创建的解决方案。 我们邀请您查看我们当前的项目，并加入我们不断发展的。 - 屡获殊荣的基于节点的着色器创建工具 - 一键式冒名顶替者创建者 - 用于放大颜色和 Unity PPS 的 200 多个 LUT FXAA FXAA 是一种流行的后期处理抗锯齿技术，由 Timothy Lottes 创建。 虽然主要用于无法使用硬件 MSAA 的延迟渲染管道，但它也可以与硬件抗锯齿结合使用，以平滑 MSAA 遗漏的硬边缘（例如内部多边形）。 拖放到您的相机上，无需配置！ 版权 NVIDIA FXAA 3.9 by TIMOTHY LOTTES 版权所有 (C) 2010, 2011 NVIDIA CORPORATION。 版权所有。 在适用法律允许的最大范围内，本软件依原样和NVIDIA及其供应

DFT近似计算信号频谱是北京交通大学数字信号的matlab研讨题，鄙人做得很辛苦的，希望能对各位学信号的同志有帮助！！拒绝抄袭！！

子图匹配问题（子图同构）是NP完全的。 以前，我们使用回溯方法（http://esmalgorithm.sourceforge.net）为依赖关系图设计了精确的子图匹配（ESM）算法。 我们进一步设计了一种近似子图匹配（ASM）算法，该算法能够基于子图距离检测近似子图匹配。 假设图G和子图Gs分别具有m和n个顶点，以及km和kn边，则最坏情况下的算法总复杂度为O（m ^ n * n（n-1）/ 2 * km * log m） 。 该Java实现实现了我们的ASM算法。 请参阅README文件：https://sourceforge.net/projects/asmalgorithm/files/如果您使用我们的ASM实现来支持学术研究，请引用以下论文：Hai Hai Liu，Lawrence Hunter，Vlado Keselj和Karin Verspoor。 基于近似子图匹配的生物医学事件和关系文献挖掘。 PLOS ONE，8：4 e60954，2013年。