本次实验是基于词袋模型的图像分类技术，利用提取的局部区域的分布对图像进行识别。在图像分类中，词袋模型算法需要通过监督或非监督的学习来获得视觉词典。基于词袋模型的图像分类算法一般分为四步，首先对图像进行局部特征向量的提取（本次实验采用HOG)；其次利用上一步得到的特征向量集，抽取其中有代表性的向量，作为单词，形成视觉词典（本实验采用K-means聚类算法）；然后对图像进行视觉单词的统计，一般判断图像的局部区域和某一单词的相似性是否超过某一阈值，这样即可将图像表示成单词的分布，即完成了图像的表示；最后设计并训练分类器，利用图像中单词的分布进行图像分类（本实验采用KNN分类算法和线性SVM多分类算法）。

中科大高级计算机网络实验1的代码、抓的数据包以及实验报告，报告里面详细介绍了实验过程，很详细。 Project 1: Datacenter network simulation using ns-3  使用ns3模拟数据中心网络。

中科大高级计算机网络第二次实验，希望能给大家带来帮助。

中科大高级计算机网络第一次实验，希望能给大家带来帮助。

计算机高级网络讲义， 高级计算机网络课程复习 丰国栋, 中国科学技术大学

这个是高级计算机体系结构的课程内容，讲述了Tomasulo算法原理，以及两个基于Tomasulo算法模拟器的实验，并作出了详细步骤解释说明。

计算机视觉作业（一）Image Filtering and Hybrid Images的配套代码和结果，用python做的

计算机视觉作业（二）特征匹配是图像处理和计算机视觉的核心组成部分。在本次实验中，我们将创建一个局部特征匹配算法，并尝试匹配真实场景的多个视图。将实现一个简化版本的sift，用于解决局部特征匹配问题，使检测到的特征对遮挡和杂波具有鲁棒性。由于特性是本地的，可以在一张图像中生成数百或数千个特性，同时能够实现实时性能。我们使用Harris角点检测器和sift特征描述符来生成关键点,同时也使用了自适应非最大抑制来获得图像上的均匀分布的角。

高级计算机网络课件ppt+自顶向下中文答案，全部是自己考试期间亲手整理，绝对不坑

高级计算机体系结构.pdf