由于风电功率预测的局限性，难以准确而有效地刻画风电功率的概率分布函数，提出考虑风电功率概率分布不确定性的含风电配电网无功规划方法。该方法可有效应用于风电概率分布集合中的任意分布情况，在一定概率约束下保证配电网的安全运行要求，同时最小化配电网网损和无功设备投资成本之和。采用概率分布鲁棒机会约束模型描述含风电的配电网无功规划问题，根据潮流平衡等式分离节点电压和支路功率约束中的随机向量，根据条件风险价值（CVaR）的物理意义构建关于节点电压约束和支路功率约束的CVaR模型，利用对偶优化、Schur补和S-lemma的性质将该模型转化为确定性的双线性矩阵不等式（BMI）问题。采用基于BMI优化的免疫粒子群算法求解该问题。改进的IEEE 33节点配电系统仿真结果验证了所提无功规划方法的可行性和有效性。

根据高度图生成地形的OpenGL代码，用着色器按照高度显示不同颜色，有等高线，支持双线性插值平滑细分表面。

本资源实现的是构建一个FIR滤波器对一段语音信号进行处理，IIR滤波器的构建分别采用了冲激响应不变法和双线性变换法，内部含有相关论文，方便理解

用冲激响应不变法和双线性变换法分别以Butterworth滤波器、切比雪夫Ⅰ型滤波器、切比雪夫Ⅱ型滤波器为原型设计IIR低通数字滤波器。 要求： 1、 IIR低通数字滤波器指标为： ； 2、采用冲激响应不变法分别设计上述三种数字滤波器； 3、分别绘制这三种数字滤波器的幅度响应曲线和相位响应曲线； 4、根据设计结果，对三种滤波器的性能进行比较和分析； 5、采用双线性变换法重新设计上述三种数字滤波器； 6、分别绘制这三种数字滤波器的幅度响应曲线和相位响应曲线； 7、对三种滤波器的性能进行比较； 8、将其与使用冲激响应不变法的设计结果进行比较和分析。

具体讲解了双线性插值图像放大缩小算法，希望对大家有帮助

今天小编就为大家分享一篇Python-opencv 双线性插值实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

用C++语言编写的图像缩放程序，采用双线性插值算法。 用C++语言编写的图像缩放程序，采用双线性插值算法。 用C++语言编写的图像缩放程序，采用双线性插值算法。 用C++语言编写的图像缩放程序，采用双线性插值算法。

该程序为Fortran版本的双线性插值，可用于气象数据等的空间插值，欢迎使用

DBCNN-Pytorch 使用深双线性卷积神经网络进行盲图像质量评估的实验性PyTorch实现。 目的 考虑到PyTorch在学术界的受欢迎程度，我们希望此回购协议可以帮助IQA的研究人员。 此存储库将用作集成IQA研究的先进技术的活动代码库。 要求 PyTorch 0.4+ Python 3.6 默认设置下的用法 python DBCNN.py 如果要重新训练SCNN，仍然需要Matlab和原始存储库来生成合成失真的图像。 python SCNN.py 引文 @article {zhang2020blind， title = {使用深双线性卷积神经网络进行盲图像质量评估}， 作者= {张维霞和马克德和闫家加邓，德祥和王舟}， journal = {IEEE视频技术电路和系统的交易}， 音量= {30}， 数字= {1}， 页数= {36--47}， 年= {2020} } 致谢

基于OpenCV实现的RGB图像通道值分离、最邻近插值法、双线性插值法。