为了准确地划分运动目标和背景区域,提出一种自适应阈值的运动目标提取算法,对现有基于背景差的提取算法进行改进。本算法将运动目标和背景作为两个聚类,对图像中的点按像素灰度进行分类,以聚类间的方根—算术均值距离最大作为分割阈值选择的准则,使得运动目标提取算法中二值化阈值能够自动更新,从而实现对运动目标的准确完整提取。实验结果表明,该算法能够较准确快速地提取运动目标,并对环境亮度突变、背景存在微小运动等情况具有较好的鲁棒性。

面向小白的统计学：描述性统计，均值、中位数、正数、方差、标准差。

自编的matlab均值滤波函数，并且经过与matlab自己附带的函数比较过，效果要好于matlab自带的函数，请读者验证。

用k均值聚类实现随机n个数分类到k类中。 k和n是可变的。用图形化显示聚类结果。 需要把两个文件放在同一目录下，运行wkmeans2D即可。

非本地手段 介绍 在这个项目中，我以幼稚的方式并使用积分图像实现了非局部均值过滤。 这些文件中都对这两种方法进行了解释： 非本地均值降噪 用于块匹配的积分图像 描述 非局部均值算法用于去除图像中的噪点。 我们输入了三件事： 我们要去噪的图像 大小为kxk的内核 wxw大小的窗口 对于图像中的每个像素（我们将要去噪），我们将窗口围绕其居中，通常，该窗口是相当大的，但出于性能方面的考虑，当然不如整个图像大。 然后，对于窗口中的每个像素，我们滑动一个补丁（通常为3x3或5x5），我们要去噪的像素将是图像补丁上的加权和。 整体影像改善 如果我们使用积分图像，则可以加快计算速度。 伦敦大学学院图像处理课程中的Lourdes Agapito教授的图像幻灯片 由于以下公式，我们可以加快计算速度： 图片摘自Wikipedia（ ） 如何使用代码 只需打开Matlab并为完整的图像实现运行nonL

采用matlab语言书写，算法实现非局部均值去噪原理

非局部均值去噪法存在的问题 相似性度量缺乏鲁棒性 高斯加权核各向同性性质影响 非相似像素块影响 运算量大 加权核系数选择

主动管理技术的快速发展为分布式光伏发电大规模接入配电网提供了可能。将主动管理与分布式光伏优化配置相结合，以分布式光伏的安装位置、容量和主动管理措施为决策变量，建立以分布式光伏能量渗透率最大和电压偏差最小为目标函数的优化配置模型；利用基于二分K-均值聚类的多场景分析法处理光伏出力和负荷的不确定性及时序特性，克服K-均值聚类场景缩减对初始质心选取敏感的缺陷；提出基于并行计算的多场景分析和多目标分子微分进化算法对优化模型进行求解，得到配电网分布式光伏最优配置方案及主动管理策略。IEEE 33节点配电系统仿真结果表明，所提优化配置方法可有效提高分布式光伏消纳量并保证供电质量。

局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)

K均值(k-Means)算法的推导 问题框架 要估计k个正态分布的均值= 观察到的数据是X={} 隐藏变量Z={}表示k个正态分布中哪一个生成xi 用于K均值问题的表达式Q(h’|h)的推导 单个实例的概率