基于直方图特征完成一个图片对比的算法，给定一个基准参考图像后， 能够将目录中所有的图像最接近的十张图像进行排序显示输出（并显示相似程度）

matlab特征点代码不忘学习 由伊利诺伊大学厄巴纳－香槟分校和在此创建。 项目 。 有关此存储库的任何问题，请联系。 注意：此存储库是使用MatConvNet实现的。 对于PyTorch版本，我的同事Arun Mallya的存储库中有一个。 如果您决定改用他的代码，请同时引用两篇论文。 介绍 永不忘记的学习旨在向现有的卷积神经网络添加新功能（新任务），与原始功能（旧任务）共享表示，同时允许调整共享表示以适应两项任务，而无需使用原始训练数据。 由此产生的网络仅对新任务进行完全微调，表现出比广泛使用的方法更好的实践。 它也胜过特征提取，但仅在新任务性能上。 可以在中找到更详细的摘要。 该软件旨在复制我们的方法。 我们使用图书馆。 用法 该代码已在Linux（64位Arch Linux 4.4.5-1-ARCH）上进行了测试 先决条件 Matlab（已针对R2015b测试） MatConvNet v1.0-beta13 为了支持GPU，我们使用TITAN X和CUDA 7.5。 安装 使用其安装指南相应地编译MatConvNet。 下载要在其上进行实验的数据集，并进行适当放置。 （请参见数

在振动目标的激光微多普勒信号分析中，基于联合时频谱的分析方法为目标的检测、分类和识别提供有用信息，得到广泛运用。对于一般非线性和非平稳信号，传统的时频分析方法能有效地提取信号特征，但在强背景噪声和弱调制信道条件下，具有很大局限性。引入希尔伯特-黄变换(HHT)作为一种新的微多普勒信号分析方法，分析在强背景噪声和弱调制等信道下，HHT在微多普勒信号中的特征提取。通过Matlab软件仿真，与平滑伪Wigner-Ville分布(SPWVD)比较，证明了HHT在微多普勒信号分析和特征提取中的有效性。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

中科院自动化所计算机视觉课程大作业C++实现SIFT特征提取与匹配完整代码与说明文档

近年来，恶意软件呈现出爆发式增长势头，新型恶意样本携带变异性和多态性，通过多态、加壳、混淆等方式规避传统恶意代码检测方法。基于大规模恶意样本，设计了一种安全、高效的恶意软件分类的方法，通过提取可执行文件字节视图、汇编视图、PE 视图3个方面的静态特征，并利用特征融合和分类器集成学习2种方式，提高模型的泛化能力，实现了特征与分类器之间的互补，实验证明，在样本上取得了稳定的F1-score（93.56%）。

随着信息技术的不断发展,地质信息化也有巨大进展。分析了地理信息系统及其在地质领域的应用,论述了地质信息化的新阶段——三维地质建模技术,在此基础上,发展形成地质信息系统;进一步从学科、功能、空间分析和"信息流"等方面,分析了地质信息系统和地理信息系统的相互关系,揭示了地质信息系统特征,并对地质信息系统的发展趋势进行了展望。

解析梯度折射率(GRIN)光纤探针的光学特征参数，用于光学相干层析技术(OCT)探头超小型化的研究。在概述由单模光纤、无芯光纤和GRIN光纤镜头构成的GRIN光纤探针模型的基础上，定义GRIN光纤探针的工作距离和聚焦光斑尺寸等光学特征参数，并用高斯光束复参数矩阵变换的方法推导探针光学特征参数的数学表达式，提出了探针光学特征参数的验证方法。结果显示，当无芯光纤和GRIN光纤镜头长度分别为0.48 mm和0.17 mm时，理论计算的工作距离和聚焦光斑尺寸分别为1.05 mm和28.2 μm；实验测得的工作距离和聚焦光斑尺寸分别为1.0 mm和28 μm。理论计算与实测结果吻合，验证了GRIN光纤探针光学特征参数及其解析方法的有效性。

为了达到快速识别和检测油类污染物的目的,以激光诱导荧光技术为基础搭建了荧光光谱检测系统,得到0 #柴油、95 #汽油和普通煤油3种不同油种的荧光光谱,然后从荧光光谱信息中提取特征参量,将标准差、中心距和荧光峰的峰度系数作为敏感特征参量进行聚类分析,最后采用拟合曲线法求得待测样品的质量浓度。实验结果表明,LIF技术结合特征参量提取法和拟合曲线法可用于不同油类污染物的定性和定量检测,为快速识别和检测油类污染物提供了一种新思路。

针对现有选择性漏电保护装置灵敏度低、可靠性差的问题,提出了一种基于零序电流特征量的选择性漏电保护选线方法;分析了供电系统漏电故障时各支路零序电流的逻辑关系,介绍了基于零序电流特征量的选择性漏电保护选线方法的原理及实现。该方法根据各支路零序电流互感器二次侧零序电流的逻辑关系及数值关系建立特征量,并以该特征量作为选线判据。Matlab仿真结果表明,该方法能够有效地选出故障线路。