汽车动力学单轮ABS仿真门限值matlab语言.doc

各种智能算法程序以求函数最值为例-鱼群算法.rar 首先声明，程序部分为原创，部分网络下载，部分为根据他人成果做细微改动。 这是本人智能控制的小作业，主要是用多种智能算法进行函数优化，包括遗传算法，蚁群算法和鱼群算法。另外，有的算法用几个版本的程序，分别为原创和修改，仅供大家参考。另外由于时间有限，程序写的不是很有调理，读起来可能会稍微费劲。另外由于本人学习智能算法时间比较短，同时用多种算法纯属学习，因此不排除程序和报告中有不足和错误，希望大家指正和讨论。 附件中包括程序和截图，同时还有自己最后的报告，由于是小作业，因此时间较短，相对粗糙，勿怪。

各种硬度转换，铝合金 铜合金 钢铁行业，包含HRA HRB HRC HRD 15N 30N 45N HV HB HS 等

python语言书写； 可以自定义修改图片的dpi值 修改完后可以查看图片属性的dpi值

提出一种基于非下采样Contourlet变换的径向基神经网络(RBF)自适应阂值去噪方法。在NSCT域通过RBF神经网络使目标误差函数GCV(T)的最小化,从而确定最优阂值,再通过软阂值函数去噪。利用NSCT的平移不变性来抑制伪Gibbs失真,从而能完整地保留图像的纹理和边缘等信息。实验结果表明,该方法可以有效去除高斯噪声,提高图像的峰值信噪比。

使用步骤 1.安装labelme，使用 pip install labelme 命令即可。 2.在labelme环境下输入 labelme命令，打开labelme软件，对图片进行标记，具体方法就是用多边形将所有水体部分圈起来命名为water，并保存文件(json格式)。 3.将main.m文件内fname和imagename改为对应的json文件名和image文件名，之后使用matlab运行main.m文件，稍等片刻，即可看到训练过程，训练结束后可以看到ac率和预测后图像和原始图像的对比。 labelme的GitHub地址： 文件中包含两个测试样例，image1和image2，分别是单通道的遥感水体图像，分辨率为79317301和一个从网上下载的RGB水体图像，分辨率为500333.

通过在50张英文名片图像的实验来分别验证本文所提方法的正确性，说 明了基于半阈值的粘连字符方法具有高达95．32％的分割正确率，比投影法提高了 近十个百分点；与基于二值化的字符特征相比，基于半阈值化的字符特征具有一 定的鲁棒性；遗传优化的BP神经网络比一般的BP神经网络具有较快的收敛性和 较高的识别率；最后，本文在NokiaN95上实现了一个原型识别系统，系统的图片 拒识率只有6．25％，字符识别正确率达97．35％。

本实例是基于.Net 4.5的图片颜色像素的识别的桌面应用程序，用户自定义上传相应的图片来实现图片的像素分类统计

摘要：软件定义网络（software defined networking,SDN）是一种新型网络创新架构，其分离了控制平面与转发平面，使得网络管理更为灵活。借助SDN控制与转发分离的思想，在SDN基础上引入一个集中式安全中心，在数据平面设备上采集数据，用于对网络流量进行分析，通过熵值计算和分类算法判断异常流量行为。对于检测到的网络异常情况，安全中心通过与SDN控制器的接口通告SDN控制器上的安全处理模块，进行流表策略的下发，进而缓解网络异常行为。通过本系统可以在不影响SDN控制器性能的情况下，快速检测网络中的异常行为，并通过SDN下发流表策略对恶意攻击用户进行限制，同时对SDN控制器进行保护。

效果不错，值得下载，VMD分解优化参数。