一种用于凸和非凸有限和优化的分布式随机投影无算法

高斯投影-3度带、6度带 (BJ54、XA80、WGS84、CGCS2000)转换 C# asp.net

在车牌先验知识的基础上提出了一种基于垂直投影特征值的分割方法。大量实验表明，该算法能够快速找到字符之间的最优分割点，并自动去除车牌垂直边框和其他噪声点的干扰，适用于各种质量的车牌图像，分割准确率较高。

牙齿stl网格模型分割算法（投影算法（曲面的栅格化算法））（牙龈外轮廓计算）

matlab灰色处理代码基于深度学习的投影梯度下降用于图像重建 该项目包括一个框架，以： 在Pytorch中训练神经网络（Unet）作为图像到图像投影仪，将其导出为.pth和.onnx格式 在[1]中应用松弛投影梯度下降（RPGD）进行图像重建。 对于这一部分，在Python和Matlab中都提供了代码。 在Matlab中，由于有许多库，测量操作员可能更容易获得。 %%% 入门 先决条件 Python 3.7 Pytorch 1.1.0 Scipy 1.2.1 Matplotlib 3.0.3 对于Matlab代码： Matlab R2019a深度学习工具箱 正在安装 下载文件夹代码和数据 运行测试 此处提供的干净数据（位于train_target和test_target文件夹中）包含200个训练图像，20个测试图像，每个图像都有1个通道，灰度像素为320x320。 每个图像都是从Matlab幻象函数生成的，参数是从修改后的Shepp-Logan头部幻像获得的参数E，然后通过使E = E + 0.01 * randn（10,6）来添加一些变化。 测量算子H是5x5卷积，权重= 1/25

中国行政区划WGS84投影坐标系shp格式边界数据，主要包含两个文件，分别是全国边界及各省行政边界。 本数据坐标系为WGS84投影坐标系，即经纬度。 为shp格式的线数据，包括属性数据，可直接用ArcGIS、MapGIS、Supermap、QGIS、Skyline等软件打开。

compare_run.m 是主文件。 此代码调用三个函数 - a) apsa.m 和 b)eff_apsa.mc)lms.m。 它计算函数在不同 N 上执行所花费的时间。 它绘制了两个函数在不同 N 上所用的时间。 这里 L 固定为 5。系统函数是预定义的。 绘图显示 Eff_apsa 算法如果比 apsa 算法有效。 随着 N 的增加，计算时间的差异也会增加

这个简单的函数使用快速、完全矢量化的处理重新采样向量或矩阵以进行抽取，并提出了不同的方法来计算原始数据的结果样本：平均值（默认）、中值、总和（对累积数据有用）、最小值或最大值.

局部保持投影 及其matlab代码，研究机器学习和模式识别的应该很多人想要。

高斯投影坐标转换的正算java代码