基于DV-Hop定位算法的改进研究，基于DV-Hop定位算法的改进研究

基于DV-Hop的无线传感器网络定位算法研究与改进，对初学者有一定的帮助。

在结合多尺度图像分析和水平集图像分割模型的基础上提出了一种新的多尺度图像分割方法。首先使用引入梯度向量流的全变差方法对图像进行多尺度空间分析，然后使用一种改进的CV模型进行分割。采用变分水平集方法作数值计算，因此该方法能够处理曲线的拓扑变化。实验结果表明该方法是有效的。

提出了一种基于改进的深度残差网络（residual network，ResNet）的表情识别算法。采用小卷积核和深网络结构，利用残差模块学习残差映射解决了随着网络深度增加网络精度下降的问题，通过迁移学习方法克服了因数据量不足导致训练不充分的缺点；网络架构使用了线性支持向量机（SVM）进行分类。实验中首先利用ImageNet数据库进行网络参数预训练，使网络具有良好的提取特征能力，根据迁移学习方法，利用FER-2013数据库以及扩充后的CK+数据库进行参数微调和训练。该算法克服了浅层网络需要依靠手工特征，深层网络难以训练等问题，在CK+数据库以及GENKI-4K数据库上分别取得了91.333%和95.775%识别率。SVM在CK+数据库的分类效果较softmax提高了1%左右。

随着无人驾驶和智能驾驶技术的发展，计算机视觉对视频图像检测的实时性和准确性要求也越来越高.现有的行人检测方法在检测速度和检测精度两个方面难以权衡.针对此问题，提出一种改进的Faster R-CNN模型，在Faster R-CNN的主体特征提取网络模块中加入SE网络单元，进行道路行人检测.这种方法不仅能达到相对较高的准确率，用于视频检测时还能达到一个较好的检测速率，其综合表现比Faster R-CNN模型更好.在INRIA数据集和私有数据集上的实验表明，模型的mAP最好成绩能达到93.76%，最高检测速度达到了13.79 f/s.

FCM与改进的FCM，对比了这两种算法的优缺点，

opencv 人脸识别 眼睛识别 嘴巴识别，检测人脸识破摆正的一个软件测试！提供者来宾（毕业设计！）

一种基于LBP改进的人脸识别算法.pdf

为了提高DV-Hop定位算法在不规则网络中的精确度，针对该算法的不足之处，提出了一种基于平均跳距和估计距离的改进的DV-Hop算法。该算法考虑了未知节点到参考节点的路径与参考节点间的路径可能存在重合或部分重合这一特性，对平均跳距进行修改，并利用误差对距离进行修正。仿真实验结果表明，在不规则网络环境下，改进算法的定位精度得到明显提高。

查询修改 一种信息检索系统，它利用用户提供的相关性反馈来改进 Bing 返回的搜索结果。 提交的文件 Source Code ============================== 1) Main.java 2) Entry.java 3) BingSearch.java 4) QueryExpansion.java 5) WeightComparator.java External Libraries ============================== 6) stopwords.txt 7) org-apache-commons-codec.jar Automation Tools ============================== 8) run.sh 9) makefile Test Results & Documentation =============