基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目源码.zip基于MATLAB的车牌字符识别项目

1万辆电动汽车充电所得负荷图，数据来源参考18年电工杯A题

使用matlab编写的三种实现帧同步的代码

Matlab深度学习工具箱

matlab 佛度的代码完整 (FP) 和紧凑 (CP) 极化 SAR 数据的散射型参数提取和新型聚类方案 一般信息 此代码使用参数 ，对于 FP 和 ，对于 CP 数据执行无监督聚类。 和 是 FP 和 CP 数据的目标特征参数，给出为， 这里， 和 是T3矩阵的对角元素。 SC 和 OC 定义为， 和， ; 和 是 CP SAR 数据的斯托克斯元素。 和 是 3D 和 2D Barakat 偏振度。 聚类图 阴影区域是不可行的区域。 请关注这篇文章了解更多详情：。 启动并运行 这是一个基于MATLAB的代码。 要运行代码，需要FP的相干矩阵元素 ( T3 ) 和CP协方差矩阵元素 ( C2 )。 如果 和 已经在父文件夹中，那么您可以使用“unsupervised_clustering_FP.py”来计算聚类图像。 如果 , , 已经在父文件夹中，那么您可以使用“unsupervised_clustering_CP.py”来计算聚类图像。 NB T3 和 C2 矩阵元素应以 PolSARpro 格式导出，T3 或 C2 目录应包含由 PolSARpro 生成的“config.txt

机载LiDAR点云滤波-SMRF简单形态学滤波（MATLAB代码）

约瑟夫问题的一般形式： 　　约瑟夫问题是个有名的问题：N个人围成一圈，从第一个开始报数，第M个将被杀掉，最后剩下一个，其余人都将被杀掉。例如N=6，M=5，被杀掉的人的序号为5，4，6，2，3。最后剩下1号。

% DV-Hop算法 % BorderLength-----正方形区域的边长，单位：m % NodeAmount-------网络节点的个数 % BeaconAmount---信标节点数 % Sxy--------------用于存储节点的序号，横坐标，纵坐标的矩阵

(1) 建立自动驾驶电动汽车纵向动力学仿真模型。以某自动驾驶电动汽车为研究对 象， 分别在Matlab/Simulink 和CarSim 环境下搭建了纵向动力学简化模型和整车动力学 模型， 结合模型分析电动汽车的纵向动力学特性， 通过对比实车试验数据与仿真结果， 验证了模型的正确性。 (2) 设计了车速控制系统的整体框架。为实现不同行驶工况下车速的准确控制， 采 用分层式结构设计控制系统， 从车速控制需求出发， 制定了定速与跟随两种控制模式， 细分行驶工况并合理约束其中的关键参数， 为后续速度控制算法设计打下基础。 (3)采用分层式结构设计车速控制系统。上层控制器根据目标车速决策出期望加速 度， 通过建立控制对象模型、车间运动学模型、安全车间距模型， 综合考虑安全性、 舒适性、经济性、跟随性四个性能指标， 结合MPC 模型预测优化控制算法建立目标函 数， 并将其转化为二次优化问题， 求解出汽车行驶的期望加速度。 (4)基千Matlab/Simulink 与CarSim 联合仿真平台搭建了电动汽车速度控制系统， 针对典型的纵向行驶工况， 对所设计的车速控制策略进行仿真验证。

《数字图像处理与机器视觉--Visual C++与MATLAB实现》第2版DVD内容 内容推荐 　　《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。 　　《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。 共2个文件。z01和zip