SILABS AOA materials

社区发现算法，FN算法，计算模块度，有论文的，

python中的多代理路径规划 介绍 该存储库由Python中一些多主体路径规划算法的实现组成。 当前实现了以下算法： 依存关系 通过运行安装必要的依赖项。 pip3 install -r requirements.txt 集中式解决方案 在这些方法中，中央计划者有责任向机器人提供计划。 优先的安全间隔路径规划 SIPP是一个本地计划者，在考虑环境中的静态和动态障碍后，可以使用该计划生成无冲突的计划。 在多主体路径规划的情况下，环境中的其他主体被视为动态障碍。 执行 对于SIPP多主体优先级计划，请运行： cd ./centralized/sipp python3 multi_sipp.py input.yaml output.yaml 结果 可视化生成的结果 python3 visualize_sipp.py input.yaml output.yaml 录制视频 python3 v

现有的寻找社会群体的研究主要集中在社交网络中的密集子图。然而，寻找社会脆弱的群体也有许多重要的应用。在本文中，我们引入了K三角的概念来度量群的最小值。然后，我们制定了一个新的研究问题，最小K三角形断开组（MKTG），以找到一个社会脆弱的群体从在线社交网络。我们证明了MKTG是任意图中任意比率内的NPHard和不可逼近的，但在阈值图中是多项式时间可跟踪的。设计了两种算法，即TARA和TRA-ADV，利用图论方法有效地解决了一般图上的MKTG问题。在七个真实数据集上的实验结果表明，所提出的算法在效率和解决方案质量方面优于现有方法。

信息安全_数据安全_Women_in_Cybersecurity：Finding,_ 信息安全 云安全 业务风控 安全开发 安全测试

信息安全_数据安全_us-18-Rousseau-Finding-Xori-Malw 数据安全 安全建设 金融安全 数据安全 安全实践

信息安全_数据安全_D1T1 - Finding Vulnerabilities i 风控系统 安全运营 安全攻击 安全分析 威胁建模

信息安全_数据安全_D2T1 - Finding 0days in Embedded 云安全 安全芯片 web安全 安全开发 安全研究

介绍 使用失真校正，图像校正，颜色变换和梯度阈值构建了先进的车道发现算法。 确定车道曲率和车辆排量。 克服了诸如阴影和人行道改变等环境挑战 在这个项目中，我使用了计算机视觉技术来识别车道边界，并在给定道路视频帧的情况下计算曲率半径的估算值。 为此，请执行以下步骤： 给定同一台摄像机拍摄的一组棋盘图像，计算出摄像机校准矩阵和所使用的摄像机镜头的畸变系数 使用上述矩阵和系数来校正相机原始输出所给的失真 使用颜色变换和sobel算法创建阈值二值图像，该图像已从图像上不必要的信息中滤除 应用透视变换以查看图像的“鸟瞰图”，就像从天空中看一样 应用遮罩以获得感兴趣的区域，检测车道像素， 确定每个车道的最佳拟合曲线 将车道边界投影回到原始视图的未失真图像上 输出车道边界和其他相关信息的可视显示 如何使用 您需要设置依赖项才能在计算机上运行Jupyter Notebook并设置一些软件包，例如op

Finding overlapping communities in networks by label propagation论文