定义一个二维方阵类 matrix。通过重载二元运算符“+”、“-”、“*”和一元运算符“~”, 来实现矩阵加、矩阵减、矩阵乘以及矩阵转置。
2021-04-28 15:40:55 3KB 矩阵类
1
MatrixVB含注册码(即License) 10 MatrixVB 4.5注册码 Name: Demian/TNT! S/N: DEMIAN/TNT!-4C5R-1193046-44493704
2021-04-27 10:49:02 6.32MB Matrix VB 含注册码
1
自己编写的matrix矩阵类 可以实现矩阵的加减法、乘法、求逆 求逆采用lup算法
2021-04-24 23:53:05 3KB c++源码 矩阵 matrix
1
2016-Convolutional Matrix Factorization for Document Context-Aware Recommendation
2021-04-23 14:14:26 778KB AI
1
矩阵头文件
2021-04-23 13:34:13 70KB 矩阵头文件
1
matrix获取实时图片坐标工具,原声的matrix不提供变换后的图片尺寸及坐标查询。需要自己计算。。这个工具类免除了烦恼
2021-04-22 17:06:10 2KB matrix
1
提出了一种基于低秩矩阵逼近(LRMA)和加权核范数最小化(WNNM)正则化的去噪算法,以消除磁共振图像的Rician噪声。 该技术将来自嘈杂的3D MR数据的相似的非局部立方块简单地分组到一个补丁矩阵中,每个块按字典顺序矢量化为一列,计算该矩阵的奇异值分解(SVD),然后是LRMA的闭式解通过用不同的阈值硬阈值不同的奇异值来实现。 去噪块是从低秩矩阵的此估计中获得的,整个无噪声MR数据的最终估计是通过聚合所有彼此重叠的去噪示例块来建立的。 为了进一步提高WNNM算法的去噪性能,我们首先在两次迭代的正则化框架中实现了上述去噪过程,然后利用基于单像素补丁的简单非局部均值(NLM)滤波器来降低WNNM算法的去噪强度。均匀面积。 所提出的降噪算法与相关的最新技术进行了比较,并在合成和真实3D MR数据上产生了非常有竞争力的结果。
2021-04-21 14:57:16 1.87MB Non-local similarity; Low-rank matrix
1
dbc
2021-04-20 20:01:26 3KB dbc
1
Label.Matrix.PowerPro.v8.10.01 破解文件
2021-04-16 10:39:38 2.32MB Label Matrix 8.10 破解文件
1
矩阵代数,Springer的好书,不容易得到的,
2021-04-14 15:16:18 3.84MB Matrix Algebra
1