此项目主要是在不使用数据库进行存储的情况下,利用邻边矩阵存储数值,并计算n-1个城市之间的最小值也就是最小路线
2021-12-13 19:08:45 462KB c++ Prim算法 邻边矩阵
1
自然资源确制图模板Mxd 、 python
2021-12-13 14:00:10 289KB 自然资源确权制图.
用户键盘输入若干个整数作为待编码字符的值,程序建立哈夫曼树并输出各字符的哈夫曼编码。
2021-12-12 20:26:33 1KB 哈夫曼树
1
以新兴的盲均衡技术为理论基础,一些盲均衡算法相继提出。本文以高阶的QAM信号作为输入信号,针对常模算法、多模算法、加多模算法存在的缺陷,最终引入一种性能优越的加入动量项的加多模算法。通过计算机的仿真实验首次对这些算法进行依次比较,所得实验结果表明加入动量项的加多模盲均衡算法在信道均衡上的性能明显优于前面几种算法,它具有更快的收敛速度和更小的稳态误差,因此具有实用价值。
1
目的压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制,能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题,提出一种基于优化加全变差(TV)的复合正则化压缩感知图像重建模型。方法提出的重建模型是以TV正则化模型为基础。首先,为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点,引入图像的梯度信息估计重,构建加TV的重建模型。其次,利用全变差去噪(ROF)模型对重进行优化估计,从而减少计算重时受噪声的影响。再次,将非局部结构相似性先验和局部自回归性先验引入提出的加TV模型,得到优化加TV的复合正则化重建模型。最后,结合投影法和算子分裂法对优化模型求解。结果针对自然图像的不同特性,使用复合正则化先验进行建模,实验结果表明上述重建问题通过本文方法得到了很好的解决,加TV正则化先验使得图像的平坦区域和强边重建较好,而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果。结论与其他基于TV正则化的重建模型相比,本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高。
1
WEIGHTEDCORRS 返回加相关系数的对称矩阵 R,该矩阵根据输入的 T×N 矩阵 Y 计算,该矩阵 Y 的行是观察值,列是变量,以及观察值重的输入 T×1 向量 w。 如果观测值的相关性不同并且需要根据某些理论假设或知识进行加,则此函数可能是 CORRCOEF 的有效替代方法。 R = WEIGHTEDCORRS(Y, w) 返回一个半正定矩阵 R,即它的所有特征值都是非负的(参见帮助部分的示例 1)。 WEIGHTEDCORRS 是这样的 WEIGHTEDCORRS(Y, w) == WEIGHTEDCORRS(a * Y + b, w) 其中 a 和 b 是两个实数(参见帮助部分的示例 1)。 此外,如果通过任意仿射变换 y = a * x + b 改变 Y 的每一列的单位制,函数提供的结果不会改变,其中 a 和 b 是两个实数,a > 0 (请参阅帮助部分中的示例
2021-12-11 21:56:56 5KB matlab
1
基于形态学的重自适应图像去噪,图像信息的保持,图像边缘的提取,图像骨架的提取,图像的处理效率,数学形态学图像处理。
1
将文本或波形文件作为输入并计算以 dBA 为单位的声压级。
2021-12-10 19:03:24 1KB matlab
1
基于栅格算法,以欧氏距离变换为基础,实现了点、线、面等任意图形的加voronoi图生成。相关论文地址 http://www.cnki.com.cn/Article/CJFDTOTAL-LZTX201201025.htm
2021-12-10 14:44:08 2.4MB 加权 voronoi 距离变换 加权voronoi图
1
brSmoothWeights和brTransferWeights 在Autodesk Maya中用于平滑和转移影响之间的皮肤重的工具。 视频 安装 使用随附的安装程序可以轻松进行安装。 入门 请访问了解基本的工具用法。 有关完整的详细,请参见 。
2021-12-10 13:54:10 14.43MB C++
1