基于邻域系统控制的智能车倒车入库算法

图像类比框架对于合成用于非均匀输入的吸引人的图像特别有用，并为用户提供了对合成结果的创造性控制。 但是，传统框架没有根据邻域的不同纹理内容来自适应地采用搜索策略。 此外，由于邻域匹配中涉及大量的计算，因此合成速度较慢。 在本文中，我们提出了一种基于CUDA的图像相似度匹配算法。 我们的算法根据图像的不同纹理特征在合成过程中自适应地应用了精确的L（2）最近邻和k相干搜索策略的全局搜索，这对于非均匀纹理特别有用。 为了在GPU上始终实现上述两种搜索策略，我们采用了基于CUDA的快速k最近邻搜索算法。 这样的加速极大地减少了k相干搜索的预处理时间和全局搜索的合成过程，这使得重要的合成参数的调整成为可能。 我们进一步采用合成放大倍数以获得最终的高分辨率合成图像，以提高运行效率。 实验结果表明，该算法适用于图像类比框架的各种应用，并充分利用了GPU的并行处理能力，提高了合成速度，获得了令人满意的合成结果。

邻域平均法的原理、滤波过程； ③掌握在给定阈值时，邻域平均法的滤波过程（又叫做超限邻域平均法）；

邻域粗糙集的稳定属性约简

非局部结构约束邻域保存嵌入模型及其在故障检测中的应用

基于优势的邻域粗糙集的并行属性约简

基于kd-树的快速邻域分类方法

基于动态邻域的三支聚类分析

伪标签邻域粗糙集：度量和属性约简

在MATLAB环境下可运行的粗糙集代码。其中包含有测试数据集。最经典的方法实现。