C++ Primer 第五版 课本源代码 code
2022-04-14 19:09:37 474KB C++ Primer 第五版 课本源代码
1
matlab中t测试代码代码 各种Matlab脚本,用于分析Freesurfer和fMRI数据。 还包含对自闭症的表观遗传数据和纵向头围的分析 此代码中的大部分致力于我的论文主题,即中枢视力丧失后会出现什么神经可塑性。 为了回答这个问题,我们收集了T1结构数据和功能性MRI。 以group_ttest,pairtest和ttest_开头的代码是对主要视觉皮层中的ROI与执行控制中涉及的一组ROI之间功能连接的分析。 fcMRI分析中未使用的许多其他脚本与T1结构MRI数据的Freesurfer分析一起使用。 有两个文件用于绘制和分析纵向自闭症研究数据(plot_headcirc,headcirc_plot)。 最后,gene_overlap和Dir_analysis是用于从表观遗传数据调查基因表达变化的脚本。
2022-04-02 21:23:00 167KB 系统开源
1
svd分解matlab代码
2022-02-23 00:39:35 62.06MB 系统开源
1
弦振动的matlab代码code_for_research_paper Matlab代码用于研究论文“用有限元方法对钻柱进行随机和确定性振动分析”。 纸张已附上。 要使用它,请在Matlab中运行“ drillstring_Central_Difference_Method_monte_carlo2.m”。
2021-12-31 10:59:12 2.21MB 系统开源
1
用R语言做ARMA模型的代码 包括平稳性检验 自相关 模型阶数选择 预测等
2021-12-08 16:48:28 793B R语言 ARMA模型 代码code
1
层次分析matlab代码HSCS方法的代码 HSCS:基于分层稀疏性的RGBD图像共显着性检测,IEEE TMM,2019年。 此代码适用于本文: 丛润敏,雷建军,付华柱,黄庆明,曹小春和南玲,HSCS:基于分层稀疏性的RGBD图像共显着性检测,IEEE多媒体交易,第1卷。 21号7,页1660-1671,2019。 它只能用于非商业目的。 如果您使用我们的代码,请引用我们的论文。 相关作品包括: [1]丛润敏,雷建军,付华柱,黄庆明,曹晓春,侯春平,基于多约束特征匹配和交叉标签传播的RGBD图像共显着性检测,IEEE图像处理学报,第1卷。 27号2,第568-579页,2018年。 [2]丛润民,雷建军,付华柱,林伟思,黄庆明,曹晓春,侯春平,RGBD图像的迭代共显性框架,IEEE控制论学报,第1卷。 49号1,第233-246页,2019年。 [3]丛润敏,雷建军,付华柱,程明明,林伟思和黄庆明,具有全面信息的视觉显着性检测综述,IEEE视频技术电路和系统交易,2019年。DOI:10.1109 / TCSVT .2018.2870832。 [4]丛润民,雷建军,张长青,黄庆明,曹
2021-12-02 16:13:43 13.17MB 系统开源
1
数据结构C 语言哈夫曼编译码扩展内容实现 haffman.c 完整代码code.c
Markéta Dubská_VanishingPoints 代码,采用基于平行坐标系的级联霍夫变换进行消失点检测,里面还有他的两篇论文,需要用matlab打开,同时需要c/c++编译器来进行mex混合编程。readme.txt里面提到的源文件是作者编写,.mexw64文件是.cpp已经mex之后的库文件,test.m和vedio_read.m是自己写的,有错误但是能运行,仅供参考。运行时在命令行运行或者通过运行test.m和vedio_read.m调用函数运行
2021-11-06 23:13:40 2.01MB 消失点检测 Markéta Dubská_V matlab/c++
1
使用Elman神经网络进行预测,提供详细的代码,并且有详细的注释,方便阅读
1
matlab由频域变时域的代码code_CNN_SMM 深度学习方法,用于识别自闭症谱系障碍内和跨学科的定型运动(SMM) 欢迎。 该存储库包含的数据和脚本包括“用于识别自闭症谱系障碍内和跨学科的定型运动的深度学习网络(SMM)”。 这项工作是一个实时的自动系统,用于预测非典型受试者内和跨非典型受试者的SMM(在自闭症谱系中)。 包括的工具可让您轻松运行代码。 本自述文件是一个简短的概述,其中包含有关设置和运行代码的详细信息。 请参考以下内容: 运行代码 初始要求 对于代码,所需的环境是Matlab。 因此,您需要安装Matlab。 为了运行代码,已经为您下载并编译了MatConvNet工具箱。 因此,您无需安装和编译MatConvNet。 但是,如果您有自己的MatConvNet版本,则可以通过使用自己的版本替换主存储库中的MatConvNet文件夹来实现。 用法 首先,您需要通过(本地计算机的)根文件夹更改文件“ setRoot.m”中的根文件夹。 接下来,选择以下用例之一: 1.在每个非典型主题中进行SMM检测(使用随机初始化的深度学习网络): 在这项研究中,训练了随机初始化的卷
2021-10-19 21:33:41 325.31MB 系统开源
1