快速部署虚拟机的新方法.rar

LMS自适应滤波器FPGA实现的新方法，是用硬件的方式实现LMS算法，速度比在DSP上实现快的多，不错的论文

数据降维和特征表示是解决时间序列维灾问题的关键技术和重要方法, 它们在时间序列数据挖掘中起基础性作用. 鉴于此, 提出一种新的时间序列数据降维和特征表示方法, 利用正交多项式回归模型对时间序列实现特征提取, 结合特征序列长度对时间序列的拟合分析结果, 运用奇异值分解方法对特征序列进一步降维处理, 进而得到保存大部分信息且维数更低的特征序列. 数值实验结果表明, 新方法可以在维度较低的特征空间下取得较好的数据挖掘聚类和分类效果.

为克服海杂波分形维数值估计需要较长的数据长度的缺陷,提出了基于扫描间积累的分形维数值估计方法。首先研究了几种常用的分维值估计方法,从分维值的定义出发证明了分段分维估计方法与连续数据估计方法的等价性,然后通过迭代算法求得分形维数估计值。仿真结果表明提出的方法降低了对雷达驻留时间的要求,并且具有较小的运算量,提高了微弱目标的检测性能。该方法可以用于岸基对海雷达检测海表面微弱目标。

— 时间最优路径参数化 (TOPP) 是机器人技术中一个经过充分研究的问题，具有广泛的应用。 解决 TOPP 的方法主要有两个系列：数值积分 (NI) 和凸优化 (CO)。 基于 NI 的方法速度快但难以实现并且存在稳健性问题，而基于 CO 的方法更稳健但同时速度明显较慢。 在这里，我们提出了一种基于可达性分析（RA）的 TOPP 新方法。 关键见解是通过求解小型线性规划 (LP) 递归地计算路径上离散位置处的可达和可控集。 由此产生的算法比基于 NI 的方法更快，并且与基于 CO 的方法一样稳健（100% 成功率），这已通过广泛的数值评估得到证实。 此外，所提出的方法提供了独特的额外好处：可接受的速度传播和对参数不确定性的鲁棒性可以以简单自然的方式从中得出。

基于变压器的场景文本识别（Transformer-STR） 我的基于场景文本识别（STR）新方法的PyTorch实现。 我改编了由设计的四阶段STR框架，并替换了Pred. 变压器的舞台。 配备了Transformer，此方法在CUTE80上优于上述深层文本识别基准的最佳模型7.6％ 。 从下载预训练的砝码 该预训练权重在Synthetic数据集上进行了约700K次迭代训练。 Git克隆此仓库并下载权重文件，将其移至checkpoints目录。 从 下载lmdb数据集以进行训练和评估（由） data_lmdb_release.zip包含以下内容。 训练数据集： [1]和 [2] 验证数据集：训练集 [3]， [4]， [5]和 [6]的并集。 评估数据集：基准评估数据集，由 [5]， [6]， IC03 [7]， IC13 [3]， IC15 [4]， SVTP [8]和

暗通道优先(dark channel prior)规律在处理单幅户外场景图像去雾方面取得了非常好的效果,但是该方法在处理较高分辨率图像时需消耗大量的存储和计算资源,同时对于部分场景会得到不够准确的结果.仍然基于暗通道优先,根据观察实验,得到透射梯度优先规律,并结合多分辨率处理,提出了改进的图像去雾新方法.经过大量实验和理论分析,透射梯度优先不仅显著减小了去雾处理的计算量,它所引起的优化方法和参数变化还可能提升透射图计算的准确性.实验结果也证明,新方法仅需原方法1/8左右的计算时间和存储空间,就能够得到与原方法基本一致甚至更准确的去雾结果.

利用圆周探测和Gabor滤波器鉴别血管结构的新方法

边缘检测是图像处理与模式识别的一个重要图像预处理过程。传统的边缘提取方法如Sobel、Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点，但大多算法采用单一结构元素，很难对复杂边界进行有效的处理。因此提出一种基于多结构元素多尺度的数学形态学边缘检测算法，先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪，再用多结构元素对不同方向的边缘进行提取，最后把各方向边缘融合得到图像边缘。实验结果表明，提出的算法不仅有很强的抗噪性，而且很有效的提取图像的边缘。

OFDM-LFM信号的雷达稀疏成像的测量矩阵优化新方法