神经网络一种RBF神经网络的自适应学习算法
2022-10-05 21:26:12 940KB 神经网络
1
基于块的运动估计 将图像分成一个个规则的图像块,对每个块进行运动估计。 广泛应用于各种视频压缩编码标准中。 块运动模型 块平移模型 假定每个块只做平移运动 优点:实现简单 缺点:1、不能表征旋转、缩放和局部变形;2、物体边界和块边界通常不一致,导致块失真;3、同一块可能包含多个运动物体。 可变形块模型 可以对物体的旋转、缩放、变形建模 三种模型:投影运动、仿射运动、双线性运动
2022-10-04 14:53:42 3.76MB 视频图像处理
1
为了减小分数阶数变阶数最小均方算法(fractionaltap-lengthleastmeansquare,FTLMS)稳态滤波器阶数误差,提出了一种变误差宽度的变阶数LMS算法,并对该算法进行稳态理论分析,给出参数选择的依据。为了验证该算法性能,设置了3种仿真环境:信噪比(signaltonoiseratio,SNR)为20dB、0dB及冲击响应权系数呈稀疏分布。仿真结果表明,与FTLMS算法相比,在SNR为20dB及冲击响应权系数呈稀疏分布仿真条件下,当收敛速度相同时,滤波器阶数稳态误差减小为10%,
2022-10-04 00:51:12 319KB 工程技术 论文
1
「来道题」服务端面试真题全解析 互联网大厂的资深工程师,带您开启技术成长之路~ 多年大规模在线服务实战经验,近百场校招、社招面试经历,告诉您最真实的面试考点。 ------ InnoDB的特性:自适应哈希索引、插入缓冲、刷新邻接表、二次写
2022-10-03 22:03:49 107.43MB mysql innodb 后端面试
1
「来道题」服务端面试真题全解析 互联网大厂的资深工程师,带您开启技术成长之路~ 多年大规模在线服务实战经验,近百场校招、社招面试经历,告诉您最真实的面试考点。 ------ InnoDB的特性:自适应哈希索引、插入缓冲、刷新邻接页、二次写
2022-10-03 13:03:07 107.43MB mysql innodb 后端 面试
1
Space-time adaptive processing for airborne radar Ward J 经典教程对应程序
2022-10-03 09:15:12 3.12MB STAP 空时自适应 Ward J
1
已有的自适应安全 ABE(attribute-based encryption)方案的解密开销随着解密时用到的属性数量呈线性增长。针对该问题,提出了一种快速解密的自适应安全key-policy ABE(FKP-ABE)方案,在合数阶群上构造,支持任意可以表达为线性秘密分享体制(LSSS,linear secret sharing schemes)的单调访问策略,将解密开销降为常数级,并在标准模型下证明该方案是自适应安全的。
1
适用于初学者练习和入门,里面有几种基础算法的源码和练习版本,需要对照书去学习
1
随着现代电力电子技术的飞速发展,许多设备在使用过程中产生了大量谐波,严重影响了电力系统的工作性能。与此同时,各类精密设备和仪器对供电质量也有很高的要求,所以有必要对谐波进行检测及治理。本文简要介绍了谐波的相关概念、谐波的危害和谐波治理的发展现状。对谐波检测相关理论知识及谐波检测方法做了较为详细的介绍,并对几种检测方法进行了对比分析。在对自适应最小均方算法(LMS)进行研究的基础上,提出了基于LMS的自适应谐波检测算法。针对传统LMS算法受固定步长因子的影响,算法收敛速度与稳态误差之间存在矛盾的关系,进而对变步长LMS算法进行了研究,并将其应用到谐波检测算法中。在此基础上,本文提出了基于新型变步长LMS的自适应谐波检测算法。(1)将双曲余弦函数应用到变步长函数中,并对双曲余弦函数进行改进,利用改进后的双曲余弦函数曲线在接近坐标零点时,会减慢变化速率的特点,使得算法在收敛后期能够减小步长因子,从而降低算法稳态误差;(2)将基于瑞利分布变步长LMS算法与谐波检测技术相结合,由于瑞利分布函数曲线变化更加丰富,能够使得算法的步长在收敛初期不断增大,收敛后期又不断减小,因此进一步降低了算法的稳态误...
2022-10-01 09:12:09 8.33MB 谐波检测 变歩长 双曲函数 瑞利分布
1
提出了一种新的基于核的自适应目标跟踪方法,以提高复杂背景下目标跟踪的鲁棒性和准确性。 尺度不变特征变换(SIFT),颜色和运动特征的三个核函数的线性加权组合用于表示跟踪目标的概率分布。 外观和运动功能相结合,以增强目标区域的位置稳定性和准确性。 跟踪窗口的大小可以根据相应SIFT对的仿射变换参数进行实时调整。 为了更好地提取特征,还根据场景自适应地调整了三个核函数的权重。 实验表明,该算法能够在不同场景下成功跟踪运动目标。 此外,它可以处理目标姿态,比例,方向,视图和照明变化,并且其性能优于经典的Camshift算法,基于SIFT的方法和基于颜色SIFT的方法。
2022-10-01 02:01:46 463KB target tracking; kernel function;
1