Learning to Hash with its Application to Big Data Retrieval 是课程结课作业,简单的介绍了LSH(局部敏感哈希) 主要分以下几部分内容 1.Nearest Neighbor Search (Retrieval) 2.Two Stages of Hash Function Learning 3.Hash Fuction 4.LSH 5.Application 6.Evaluation
2021-05-08 13:38:59 442KB LSH hash
1
简述了OLED, esp8266,DS3231,DS18B20,STC15,的局部使用,可以了解下
2021-05-08 11:01:58 85KB OLED esp8266 DS3231 DS18B20
1
此文档中是自己整理的关于局部路径规划算法TEB和DWA的相关论文,希望有需求可以读一读,提一句论文是英文的。
2021-05-08 10:14:44 3.28MB 局部路径规划 TEB DWA
1
用消失模法形成铸件局部耐磨合金化层的试验研究.rar
消失模铸钢件表面局部合金化研究.rar
提供了局部二值模式(Local Binary Pattern,LBP)的代码和人脸识别例子程序
2021-05-06 10:09:54 3.9MB LBP
1
局部均值滤波(NLM)的matlab程序,内含完美注释及相关文档连接。 (学习NLM自己整理所得,内含完美注释及相关文档连接)
2021-05-04 13:10:56 367KB matlab 滤波 降噪 NLM
1
为提高立体匹配算法的效果和稳定性, 提出了一种基于色调(H)、饱和度(S)和明度(V)颜色空间的自适应聚合区域的引导滤波算法。结合图片的结构和纹理信息, 通过颜色和横向梯度的相互作用计算初始匹配代价。在HSV颜色空间中运用颜色和距离信息计算每一点的自适应支撑臂长, 解决了图片中红、绿、蓝3种颜色变化趋势相近导致无法有效反映图片信息的问题。自适应聚合区域利用中心点纵向臂上各点的横向臂进行构造, 采用引导滤波的方法在自适应聚合区域内聚合代价空间。为避免中心点邻域信息波动造成支撑窗口过小的问题, 设置了臂长的最小范围。后处理过程采用左右一致性检测结合峰比率检测的方法寻找误匹配点, 通过近邻点匹配和加权中值滤波的方法修正视差图。采用Middlebury平台上的标准图片进行实验, 结果表明所提算法的平均匹配误差为5.24%, 比改进前的自适应窗口算法的匹配误差降低了0.92%, 具有更好的边缘保持效果, 算法参数稳健性较好。
2021-05-03 21:23:32 9.65MB 成像系统 立体匹配 自适应聚 引导滤波
1
内存缓存系统中局部性感知的内存分配,胡夏蒙,汪小林,内存缓存系统是现代网络服务体系中的重要构件。Memcached是内存缓存系统中被大规模部署应用的系统之一。对于Memcached来说,其原始设计
2021-05-02 16:39:06 1.24MB 计算机软件
1
介绍VB6.0 中静态变量和局部变量的案例
2021-05-02 14:03:18 1KB VB6.0 静态变量 局部变量
1