1.项目基于机器学习算法，通过对单模型和融合模型计算所得的指标进行对比，实现小分子在人体内清除率指标的预测。
2.项目运行环境：Python环境、安装Jupyter Notebook 或Spyder、需要matplotlib、numpy、pandas 、sklearn安装包库
3.项目包括3个模块：数据预处理，创建模型并编译，模型训练
4.单模型训练：训练岭回归模型、随机森林模型和极端森林模型。
5. 多模型融合：回归问题最简单的模型融合方式，取加权平均对最优的两个模型进行不同权值的平均，最终输出最优的权值结果。
6. 不同模型的评价指标以rmse为指标，经过分析，融合模型得到最低的rmse，为2.698796237546118。
2023-09-20 06:59:59
10.72MB
1
matlab图像融合源码
Haze-Removal-Project
主要参考文献
Visibility
in
bad
weather
from
a
single
image
Guided
image
filtering
Fast
Haze
Removal
Algorithm
for
Surveillance
Video
这是一篇讲如何对视频进行快速去雾的文章，没涉及到具体的算法，不过可以看看。
Fast
image
dehazing
using
guided
joint
bilateral
filter
Efficient
Image
Dehazing
with
Boundary
Constraint
and
Contextual
Regularization
何恺明之前单幅图像去雾的经典方法是：
（1）最大化局部对比度：R.
Tan,
Visibility
in
Bad
Weather
from
a
Single
Image,
CVPR’08
（2）独立成分分析：R.
Fattal,
Single
Image
Dehazing,
SIGGRAPH’08
新的成果：
下面试几篇比较新的
2023-09-19 10:03:34
223.52MB
1
MATLAB的人脸+指纹融合系统（结合人脸和指纹一致性方可通行）Matlab（框架设计）
2023-09-11 22:44:39
944KB
1
A星融合DWA的路径规划算法，可实现静态避障碍及动态避障,代码注释详细,matlab源码
2023-08-25 16:06:47
168KB
1
随着信息时代的不断地发展和完善，对于地理信息服务、GIS技术、VR、可视化技术等技术的要求越来越高，特别是三维空间数据的真实性要求越来越苛刻，导致传统的二维GIS技术不能满足第三维方向上的集合位置信息、空间位置信息以及部分语义信息的要求，不能表达我们所要求的“真实世界”，因此迫切要求GIS从二维到三维的转换，三维GIS应运而生。随着计算机和网络技术的不断发展，Web3D技术和GIS结合形成的3DWebGIS成为GIS发展的一个重要方向。随着各大主流浏览器对WebGL的零插件，渲染效果好等优势和Cesium处理数据优势的支持增强，为3DWebGIS创造了新的发展机遇。
近年来，Cesium被学者较多地用于三维场景构建的研究和应用中，如朱栩逸等在分析Web服务的GIS框架设计基础上，研究基于Cesium的三维WebGIS开发流程[1];李俊金探讨了利用 Cesium技术实现数字城市的建模方法[2];马洪成等利用开源库Cesium实现了电网数据平台计算模型和数据挖掘结果的三维展示[3];乐世华等将Cesium应用于流域虚拟场景的搭建，取得了较好的应用效果
2023-08-07 16:30:37
54.64MB
1
使用华为OceanStor V3融合存储SmartTier功能提升VMware性能并降低TCO（白皮书）
2023-07-20 02:16:58
1.46MB
1
BP神经网络在信息融合技术中的应用，宋志英，，主要介绍了组合导航系统中GPS/INS(卫星导航定位/惯性系统制导)中的传感器信息融合方法,并提出了多源图像融合制导的思想与方法.本文指
2023-07-01 14:27:03
327KB
1
混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了一些参考。
2023-06-28 16:51:18
12.84MB
1
本文介绍了一种利用拉普拉斯金字塔进行图像融合的具体 matlab 程序。程序首先读取两张原始图像，分别为多光谱图像和全色图像，然后通过拉普拉斯金字塔算法对两张图像进行分解和重构，最终得到一张融合后的图像。程序中使用了 imread 和 imshow 等 matlab 函数，同时也对图像进行了一些处理和显示。
2023-06-28 11:12:16
15KB
1
目标跟踪和碰撞时间估计
这是Udacity传感器融合纳米度的第二个项目。 我融合了来自KITTI数据集的相机和LiDAR测量值，以检测，跟踪3D空间中的物体并估算碰撞时间。 首先，我用YOLOv3处理图像以检测和分类对象。 下图显示了结果。 基于YOLOv3发现的边界框，我开发了一种通过关键点对应关系随时间跟踪3D对象的方法。 接下来，我使用了两种不同的方法来计算碰撞时间（TTC），分别是基于LiDAR和基于相机的TTC。 环境的结构由主要讲师Andreas Haja构建。
基于LiDAR的TTC
我通过使用齐次坐标将前车的3D LiDAR点投影到2D图像平面中。 投影如下图所示。接下来，我将3D LiDAR点分布到相应的边界框。 最后，我根据不同帧的对应边界框中最接近的3D LiDAR点计算了TTC。
基于摄像头的TTC
我使用检测器/描述符的各种组合来找到每个图像中的关键点，并在
2023-05-18 00:00:59
132.97MB
1