2.2预处理中基础知识——重采样方法（插值算法） 最近邻法 取与所计算点（x,y）周围相邻的4个点，比较它们与被计算点的距离，哪个点距离最近，就取哪个亮度值作为（x,y）点的亮度值 简单易用，计算量小，图像的亮度具有不连续性，精度差

ATMEGA16 AD采样数码管显示实验proteus仿真源文件（含C程序源码），包含proteus工程源文件，单片机C语言程序。proteus8.6可正常打开，仿真。

使用定向蠕虫算法对相互作用二聚体模型进行蒙特卡罗采样_在 Julia 中实现_julia_代码_下载

使用 Walker 的 MCMC 算法从 Julia 中的非归一化pmf进行采样

信号与系统课件：第7章 采样.ppt

给定采样率为 Ft Hz 的 X 并用于生成采样率为 Ft' Hz 的另一个序列 Y，则采样率比率 R 由下式给出， 英尺' R = ---- 英尺如果 R > 1，则采样过程称为插值R < 1，采样过程称为抽取示例用法： t = 1:1/10:2； X = sin (2 * pi * 10 * t) Hz 正弦波N = 3 % 插值/抽取因子Y = 样本 (X, N, 'UP')

工程应用。TLV2548 AD8通道采样程序。16M晶振。

下采样matlab代码快速人类动作识别 介绍 该存储库保存了该项目的代码库和数据集： 识别人类快速动作的时空图卷积网络 先决条件 Python3（> 3.5） 资料准备 我们对NTU-RGB + D的3D骨骼数据进行了实验。 预处理的数据可以从下载。 下载数据后，将“ NTU-RGB-D”文件夹解压缩到路径中。 下采样 为了创建快速动作的数据集，我们对NTU-RGB + D数据集进行下采样。 下采样是通过拍摄一帧然后保留另一帧，将帧数减半来完成的。 运行“ downsample.py”以对所需数据进行下采样。 数据缩减（可选） 我们提供“ create_small_data.py”，通过从所有60个动作中选择多个动作来从原始数据中创建较小的数据。 可以根据代码上的标签在代码中选择所需的操作。 可视化 我们在MATLAB上提供NTU-RGB + D的3D骨骼数据的可视化。 可以在“可视化”文件夹中找到更多详细信息。 训练 可以通过运行“ main.py”来训练模型。 结果将显示在“结果”文件夹中。 如果使用较小的数据，则需要对代码进行一些修改，这些修改在代码中有详细说明。 结果 此处显示

非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT) 类似小波变换，都是将源图像变换后对系数进行一些处理，再逆变换回目标图像。 NSCT是一种新型平移不变，多尺度，多方向性的快速变换。 NSCT是基于Nonsubsampled金字塔(NSP)和Nonsubsampled方向滤波器(NSDFB)的一种变换。首先由NSP对输入图像进行塔形分解，分解为高通和低通两个部分，然后由NSDFB将高频子带分解为多个方向子带，低频部分继续进行如上分解。

用于估计采样噪声正弦波的幅度、频率和直流偏移的 MATLAB 函数。 可选择可用于幅度估计的 RMS 或频谱方法，以及决策指南。 用法： [Amplitude,Frequency,DC] = noisin(data vector,sampling rate,'method') 注意：noisin.m 强调准确性和通用性，而不是效率。 输入 help noisin 了解更多信息。 经常回来查看错误修正和改进。 欢迎评论和反馈。 请向作者报告任何问题或要求。