自适应模糊阈值法matlab代码SPIE 2019医学影像报告 郝江〜02/25/2019〜 目录 电脑辅助设计 使用弱监督和无监督对抗域自适应的独立于供应商的软组织病变检测 这项工作是针对软组织病变检测的对抗域适应 当前的软病变检测网络的局限性： 由于原始图像的后处理（专有）不同，当前网络的性能存在与硬件/软件相关的差异。 性能还与像素间距/检测器类型有关。 当前解决此限制的方法： 收集大量数据/标准化（由供应商解决）差异。 图像归一化 能带归一化/将能带缩放到参考值 局部能量 问题：基于能量的归一化： 需要时间 不一定是最佳归一化 需要很多精力 提出方法：领域适应： 转移学习方法 测试数据来自与训练集不同但相关的分布 没有目标域的标签（无监督）。 源数据集->目标数据集 P（X_s）！= P（X_t） 领域转移 可以使用H-散度来量化域移位 H是映射的所有域分类器的集合 对抗神经网络 分类网络 特征提取器 分类器 域分配器 对抗性歧视性DA 源CNN /目标CNN标识符->域标签 测验 RevGrad 参考：Ganin等。 2016年 RevGrad / ADDA / WDGRL-

基于C++ 的模糊PID控制代码，参考许多论文制定的PID参数调整模糊规则，代码对于想了解这方面的人有一定的借鉴意义。但是不保证什么控制对象都能用，具体对象具体设计

该代码为隶属函数自动调整的自适应模糊pidc代码

自适应模糊阈值法matlab代码Finger_Vein_Matching 该项目主要研究数字静脉识别技术，包括指静脉图像的采集，图像预处理，特征信息的提取和匹配，以实现指静脉的识别。 介绍 首先，指静脉图像是由实验室中的设备收集的。 由于采集方法的限制，采集的手指静脉图像不可避免地会产生各种噪声。 因此，应对采集的图像进行预处理以尽可能减少引入的噪声。常见的预处理操作包括图像去噪，图像增强，关注区域（ROI）捕获等。对预处理后的图像进行特征提取，主要分为基于纹理的特征提取，基于编码的特征提取和基于细节点的特征提取三类，提取的特征与特征数据库中的模板匹配，如果匹配得分较大超过设定的阈值时，输入图像和模板将被归为同一类别。 否则，将其判断为不相同的类别，从而实现对指静脉的识别。 系统 指静脉识别系统主要包括四个模块：图像采集，图像预处理，特征提取和特征匹配，下面将对这四个模块进行详细介绍。 图像采集模块（指纹成像原理）手指静脉成像的基本原理是利用静脉中红细胞的特征来吸收某些近红外线。 通过将红外线照在手指上，传感器可以感应到手指传输或反射的光，从而获得手指内部静脉的图像。关键在于通过红细胞

汽车防抱自适应模糊控制方法-汽车防抱自适应模糊控制方法.rar 为了改善制动防抱系统的制动性能和制动踏板感觉,提出了一种基于相对滑移率和相对车轮加速度的汽车防抱自适应模糊控制方法,利用dSPACE 快速控制原型系统将该方法在实车控制中予以实现,并进行了实车试验。试验结果表明,该控制方法能够达到理想的控制效果,轮速和轮缸制动压力波动幅度比传统控制方法 减小了50 %,且没有出现制动抱死现象。 关键词:汽车工程; 制动防抱; 自适应模糊控制; 快速控制原型

自适应控制是实现自动控制的关键，本程序运用模糊神经网络实现自适应控制。

基于最近邻聚类算法自适应模糊分类器.pdf

联机局部自适应模糊C均值聚类算法.pdf

电力监控系统中自适应模糊聚类算法的应用.pdf

一种自适应模糊连接点聚类算法.pdf