轨迹距离 ===================== trajectory_distance是一个Python模块,用于计算轨迹对象之间的距离。 它在Python和Cython中均实现。 描述 trajectory_distance包含9条轨迹之间的距离。 SSPD(对称段路径距离) 单向(单向距离) 豪斯多夫 弗雷谢特 离散Frechet DTW(动态时间规整) LCSS(最长公共子序列) ERP(通过实际罚分编辑距离) EDR(在实际序列上编辑距离) 依存关系 trajectory_distance经过测试可在Python 2.7下工作。 构建软件所需的依赖项为NumPy> = 1.9.1,Cython> = 0.21.2,形状> = 1.5.6,Geohash和有效的C / C ++编译器。 安装 该软件包使用distutils。 要在您的主目录中安装,请使用:
2021-12-21 16:29:03 618KB Python
1
FPGA语音识别:使用VHDL和MATLAB的实验性语音识别系统
2021-12-12 10:31:17 41KB fpga distance matlab vhdl
1
机器人跟随距离估算 该机器人将跟随面部并根据使用计算机视觉的距离估计进行操作,而没有任何传感器需要单摄像头,后者可提供从机器人到PC /笔记本电脑的实时视频 机器人图像 流程图 所需硬件 名称 项目 底盘机器人 1个 直流电动机 4 Arduino的 2个 NRF24L01 2个 L298马达驱动器 1个 电源12伏 1个 RGB LED 1个可选 跳线 40+ 面包板一半(大小) 1或2 所需软件 Arduino IDE NRF库----> Python模块 Opencv的Opencv用于图像处理 皮塞里亚尔Pyserial允许我们在python(软件)和Arduino(硬件)之间进行通信 Iriun网络摄像头 它将为我们将智能手机转换为无线相机 下载适用于Windows Linux和Mac的软件: : 我的Iriun网络摄像头链接教程: : //youtu.be/
2021-12-11 16:32:24 3.14MB Python
1
加权KNN分类 在加权KNN算法中,逆距离加权方法已被用来确定距离点的重要性。 根据这种方法,最近邻居的标签比远邻的标签对分类的影响更大。
2021-12-06 10:40:09 2KB Python
1
赫林格准则 sklearn随机森林和决策树分类器的Hellinger距离准则 我正在将其添加到scikit-learn-contrib / imbalanced-learn 建造 您将需要来自sklearn的cython“头文件”(.pxd)。 如果您已经从源代码包中安装了sklearn,那么您已经安装了它。 如果您使用pip install sklearn安装了sklearn,则需要获取它。 转到 下载_criterion.pxd并将其放置在本地sklearn安装文件夹中 Linux通常位于/usr/local/lib/python3.5/dist-packages/sklearn/tree Windows通常位于C:\ Users \ [用户名] \ AppData \ Local \ Continuum \ Anaconda3 \ Lib \ site-packages
2021-11-24 11:46:33 64KB Python
1
相似度 量化两条任意曲线之间的差异 在这种情况下的曲线是: 由独立数据点离散化 从头到尾有序 考虑以下两条曲线。 我们要量化数值曲线与实验曲线的差异。 请注意,两条曲线中同时没有应力或应变值。 另外,一条曲线比其他曲线具有更多的数据点。 在理想情况下,数值曲线将与实验曲线完全匹配。 这意味着两条曲线将直接出现在彼此的顶部。 我们的相似性度量将返回彼此重叠的两条曲线之间的零距离。 方法涵盖 该库包括以下方法来量化两条曲线之间的差异(或相似性): 部分曲线映射x (PCM)方法:匹配两条曲线之间的子集区域[1] 面积法x :一种用于计算2D空间中两条曲线之间的面积的算法[2] 离散Frechet距离y :两条曲线之间的最短距离,在该距离上,您可以非常快地独立沿着每条曲线行驶((狗问题)[3、4、5、6、7、8] 曲线长度x方法:假定曲线的唯一真实自变量是曲线从原点开始的弧长距离[9
2021-11-23 12:07:15 575KB python dtw measure distance
1
WSN中的Ad-hoc On-Demand Distance Vector Routing英文论文原文,如果有需要的话就自行下载吧。
2021-11-23 09:02:10 211KB WSN AODV
1
Haversine 使用纬度和经度计算地球上两个点之间的距离(以各种单位表示)。 安装 $ pip install haversine 用法 计算里昂到巴黎的距离 from haversine import haversine , Unit lyon = ( 45.7597 , 4.8422 ) # (lat, lon) paris = ( 48.8567 , 2.3508 ) haversine ( lyon , paris ) >> 392.2172595594006 # in kilometers haversine ( lyon , paris , unit = Unit . MILES ) >> 243.71201856934454 # in miles # you can also use the string abbreviation for units: haver
2021-11-22 20:25:23 12KB python distance earth haversine
1
modhausdorff distance 改进的hausdorff距离 modhausdorff distance 改进的hausdorff距离
2021-11-16 11:59:19 2KB matlab函数 hausdorff
1
从 R^n 中给定的一组 k 个点计算两点之间的最大距离。 如果可能,从凸包执行计算,这大大减少了计算时间。
2021-11-14 20:14:43 2KB matlab
1