D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。

调整后的锚定邻域回归（A +）方法是用于单幅图像超分辨率的最新方法之一。 A +方法的一个重要的隐含假设是，与相似的低分辨率（LR）图像块相对应的高分辨率（HR）图像块也必须相似。 因此，HR补丁空间和LR补丁空间中的邻域回归可以共享相同的代表系数。 但是，由于超分辨率问题的不适性，该假设通常是无效的，并且非相似的HR样本色块通常共享较大的代表系数。 为了解决这个问题，我们建议通过将高分辨率的基于相似度的调整权重引入HR表示系数来改进A +方法，以减少这些非相似HR样本补丁的影响。 在超分辨率处理之前，这些调整权重以低的计算成本被合并到投影矩阵中。 数值结果表明，该方法能够以较低的计算成本有效地提高A +方法的性能。

ITSS-客户满意度调查过程文件-模板.doc

ITSS--客户满意度及投诉管理流程-模板.docx

高斯投影-3度带、6度带 (BJ54、XA80、WGS84、CGCS2000)转换 C# asp.net

matlab图像检索中对图像进行处理，图片进行匹配，相似性检测

MMAL网 这是论文用于细粒度的PyTorch实施（张帆，李萌，翟桂生，刘亦钊）由第27届国际多媒体建模国际会议（MMM2021）提供。 欢迎与我们讨论问题！ 目录 要求 的Python 3.7 pytorch 1.3.1 numpy的1.17.3 scikit图像0.16.2 Tensorboard 1.15.0 TensorboardX 2.0 tqdm 4.41.1 图像2.6.1 枕头6.1.0 数据集 下载数据集，并将提取的图像文件夹的内容复制到datasets / CUB 200-2011 / images中。 下载数据集并将提取的data / images文件夹的内容复制到datasets / FGVC_Aircraft / data / images ） 您也可以尝试其他细粒度的数据集。 培训TBMSL-Net 如果要训练MMAL-Net，请在运行py

人工智能-机器学习-面向本体映射的语义相似度计算方法研究.pdf

地图坐标大致分为几种： 1、GPS、WGS84，也就是原始坐标体系，这是国际公认的世界标准坐标体系； 2、GCJ-02，又称为“火星坐标”，国家测绘局在02年发布的坐标体系，在国内，至少得使用此坐标体系，比如：google、高德、腾讯地图等； 3、其他特殊坐标体系，一般都是由火星坐标通过偏移算法计算得出的，比如百度使用的是BD-09坐标，搜狗使用的是自己的搜狗坐标。 这个里面还有各个坐标体系之间的互转：如“WGS-84 -> BD-09、GCJ-02 -> WGS-84、BD-09 -> WGS-84、GCJ-02 -> BD-09、BD-09 -> GCJ-02，当然误差是难免的，此方法经过本人的测试，发现误差很小。大家也可以尝试下。

Python中的Lowtran LOWTRAN7大气吸收消光模型。 由Michael Hirsch更新，使其独立于平台，可从Python≥3.6和轻松访问。 通过使用直接内存传输，可以从Python上访问主要的LOWTRAN程序，而无需编写/读取文本文件的麻烦且容易出错的过程。 带有适当的元数据的xarray.Dataset高性能，简单的ND数组数据将被传递出去。 画廊 有关如何制作这些示例的信息，请参见下文。 安装 您将需要一个Fortran编译器。 gfortran是一种合适的编译器。 我们使用f2py （ numpy一部分）通过使用自动生成的填充代码对Fortran库进行特殊编译来无