变邻域搜索算法matlab代码

分形维度指数(Fractal Dimension Index)指标体现了市场动荡的程度.

弗雷德 快速，可扩展且轻量级的C ++Fréchet距离库，暴露于python，专注于多边形曲线的（k，l）聚类。 成分C ++后端 import Fred.backend as fred 线程数 默认情况下，Fred将自动确定要使用的线程数。如果要设置上限，请调用fred.set_maximum_number_threads(number) 。 曲线 签名： fred.Curve(np.ndarray) ， fred.Curve(np.ndarray, str name) 属性： fred.Curve.values ：曲线为np.ndarray ， fred.Curve.name ：获取曲线的名称， fred.Curve.dimensions ：曲线的尺寸， fred.Curve.complexity ：曲线的点数 曲线图 签名： fred.Curves() 方法： fred.Curv

Dimension Icon 中文操作手册 （第四版）

基于伪逆雅可比方法的 3DOF MeArm Matlab 模型仿真的逆运动学。 模拟还没有设置操作范围，所以我们可以看到手臂何时试图到达超出其极限的位置。 正向运动学由 Denavit-Hartenberg 约定驱动。 文书工作： 链接 1： 具有逆向运动学 PD-伪逆雅可比和正向运动学 Denavit Hartenberg 的机器人机械手控制。 链接 2： 使用逆向运动学 PD-伪逆雅可比和正向运动学 Denavit Hartenberg 的机器人机械手控制。 演示：https://youtu.be/cR6eGazJ9Hs

我们探索一种具有特殊时空特征提取结构的半监督视频对象分割新方法。 考虑到三维卷积网络可以卷积一定数量的图像序列，这是一种获取空间和时间信息的独特方法。 我们的网络由视觉模块，运动模块和解码器模块三部分组成。 视觉模块从第一帧中的对象中学习对象的外观特征，以供网络检测以下图像序列中的特定对象。 运动模块的目的是通过三维卷积网络获取图像序列的时空信息，该网络学习物体时间外观和位置的多样性。 解码器模块的目的是通过级联和上采样结构从视觉模块和运动模块的输出中获取前景对象蒙版。 我们在DAVIS分割数据集上评估我们的模型[15]。 与大多数基于检测的方法相比，由于视觉模块，我们的模型不需要在线培训。 结果，获得掩码所需的时间为每帧0.14秒，这比最新方法OSVOS [2]快71倍。 与最近提出的大多数方法相比，我们的模型还显示出更好的性能，其平均IOU精度可与最新方法相媲美。

基于matlab的2维分形维数计算A quantitative analysis of perimeter roughness is carried out to illustrate the degree of roughness of input images.

主要介绍了Python的“二维”字典 (two-dimension dictionary)定义与实现方法,结合实例形式分析了Python模拟实现类似二维数组形式的二维字典功能,需要的朋友可以参考下

有关模式识别的问题很多，本程序属于用fcm做三维分割的matlab仿真程序，希望对刚开始起步的科研人员有所帮助

Matlab代码sqrt 该软件包通过mainfile.m操作。 BSC-0.11通道的长度为N-64和尺寸K-22的二进制极性代码 我们通过2种方法识别冻结的位（或信息位的补充集） 基于Bhattacharyya参数的方法 基于蒙特卡洛的方法（对于这一部分，我在“ HD Pfister。“极地代码简介”中使用了matlab函数。演讲笔记，2014年4月21日，最后访问于2018年7月22日。”） 基于Bhattacharyya参数的方法 在最初的论文中，Arikan将Bhattacharyya参数用作信道质量的另一种度量。 由于没有有效的算法来计算Bhattacharyya参数，因此我们使用IEEE中的“ E. Arikan，“信道极化：一种为对称二进制输入无内存信道构造容量实现代码的方法””中的公式34和35给出的上限。信息理论交易》，第55卷，第7期，第3051-3073页，2009年7月”。 该过程开始于计算Bhattacharya参数Z = 2 sqrt（p （1-p）），然后递归地实现公式34和35，直到生成所需数量的通道为止。 选择具有最小Bhattacharyya参数的