单频信号的相位谱计算与误差修正
2022-12-08 11:22:46 2KB 信号处理 傅里叶变换 相位谱图
1
内窥镜照度智能调节算法研究-尔江·哈力木
2022-12-07 15:02:44 327KB 内窥镜照度智能调节算法
1
为了实现光学图像的非线性加密,设计了一种基于随机分数梅林变换的光学图像加密方法,构造了相应的光学加密装置。该装置采用混沌映射生成一对共轭随机相位掩模放置于分数傅里变换光学装置的两端,对分数傅里变换的核函数进行随机化处理,得到随机分数傅里变换。随机分数梅林变换由对数-极坐标变换和随机分数傅里变换组成,光学图像经随机分数梅林变换得到复值密文,从而完成图像的像素值和像素点位置的双重加密。对应所有密钥计算了输入图像和解密图像的均方误差,混沌映射的初值增大10-16时,解密图像的均方误差放大200倍以上,其作为密钥扩大了加密算法的密钥空间;随机分数梅林变换的分数阶次作为密钥也具有很高的敏感度。数...
1
基于改进SSD算法(SE+特征融合)的苹果病虫害识别系统源码(pytorch框架)+改进前源码+病害数据集+项目说明.zip 主要改进点如下: 1、替换backbone为Resnet/MobileNet 2、添加一种更加轻量高效的特征融合方式 feature fusion module 3、添加注意力机制 (Squeeze-and-Excitation Module 和 Convolutional Block Attention Module) 4、添加一种解决正负样本不平衡的损失函数Focal Loss 附有苹果病害数据集,可训练模型
2022-12-07 12:27:48 90.31MB SSD 算法改进 注意力机制 SE模块
矩形波的FFT逆傅里变换恢复原始信号
2022-12-07 09:23:34 825B 信号处理 信号滤波 傅里叶变换
1
BayHunter v2.1 BayHunter是一个开源Python工具,用于执行表面波色散和/或接收器功能的McMC多维贝斯反演。 该算法遵循数据驱动策略,并针对速度-深度结构,层数,Vp / Vs比和噪声参数(即数据噪声相关性和幅度)进行求解。 包装内提供了正向建模代码,但可以轻松地用自己的代码替换。 也可以添加(完全不同的)数据集。 BayWatch模块可用于在运行时实时进行反转:这使您很容易看到每个链如何探索参数空间,数据如何拟合和模型如何变化以及反转的方向。 引文 詹妮弗·德瑞琳(Dreiling) Tilmann,Frederik(2019):BayHunter-接收机功能的McMC多维贝斯反演和面波频散。 GFZ数据服务。 应用实例 Dreiling等。 (2020年):斯里兰卡的地壳结构,是通过使用贝斯方法对地表波色散和接收器函数进行联合反演而得出的。 地球物
1
从数据中学习结构是贝斯网络研究最重要的基本任务之一。 特别地,学习贝斯网络的可选结构是一个不确定的多项式时间(NP)难题。 为了解决这个问题,已经提出了许多启发式算法,并且其中一些在不同类型的先验知识的帮助下学习贝斯网络结构。 然而,现有算法对先验知识有一些限制,例如质量限制和使用限制。 这使得很难在这些算法中很好地利用先验知识。 在本文中,我们将先验知识引入了马尔可夫链蒙特卡洛(MCMC)算法,并提出了一种称为约束MCMC(C-MCMC)算法的算法来学习贝斯网络的结构。 定义了三种类型的先验知识:父节点的存在,父节点的不存在以及分布知识,包括边缘的条件概率分布(CPD)和节点的概率分布(PD)。 所有这些类型的先验知识都可以轻松地用在该算法中。 我们进行了广泛的实验,以证明所提出的方法C-MCMC的可行性和有效性。
2022-12-05 16:39:31 1024KB 研究论文
1
持续时间歧视的分层贝斯建模 该项目是针对Boğaziçi大学的Ali Taylan Cemgil开设的贝斯统计和机器学习课程进行的,并作为小组项目重新实施。 该项目的参考文件是加利福尼亚大学欧文分校的迈克尔·李(Michael Lee)撰写的“认知建模中的贝斯方法”。 可以在上找到Michael Lee的代码和数据。 在该项目中,使用了MATJAGS(MATLAB JAGS接口)。 作为一种推断方法,JAGS中使用了MCMC系列中的Gibbs采样算法。 为了选择更好的模型,实施了Savage-Dickey方法,这在认知心理学文献中经常使用。 通常,由Michael Lee实施的项目比我们实施的模型更多。 我们已实现的模型用于: 评估信息似然函数的先验和模糊先验 寻找试验之间的顺序影响 寻找污染物试验 选择似然函数(使用潜在混合方法) 评估个体差异(使用分层贝斯建模) 预
2022-12-04 16:31:09 58KB MATLAB
1
盲水印 这是用Python2.7编写的 用法 python encode.py --image < image> --watermark < watermark> --result < result> python decode.py --original < original> --image < image> --result < result> Use --alpha to change the alpha (default 5.0). 例子 编码: 原始图片 水印 python encode.py --image ori.png --watermark watermark.png --result res.png 结果 解码: python decode.py --original ori
2022-12-04 15:57:20 2.1MB image blind fourier watermark
1

针对粒子流滤波器中粒子速度场计算复杂, 难以滤波求解的问题, 提出一种基于弱形式解的粒子流滤波器. 通过将粒子速度场等效为势函数的梯度, 推导该速度场所满足的偏微分方程的弱形式; 应用Galerkin 有限元法和蒙特卡罗积分法, 推导出一个易于计算的弱形式常数近似解. 仿真算例表明, 在一定初始条件下, 多峰型后验分布会使高斯假设滤波器局部收敛, 而粒子流滤波器是有效的, 且具有较高的跟踪精度和较好的鲁棒性.

1