Multiplicity of Solutions of Weighted (p,q)-Laplacian with Small Sources and High-Order Perturbations，Huijuan Song，Jingxue Yin，In this paper we study the existence of infinitely many solutions to the degenerate quasilinear elliptic sy stem -div(h1(x)|▽u|p-2▽u)=d(x)|u|r-2u+Gu(x,u,v) inΩ, -div(h2(x)|�

《Stereo Matching with Color-Weighted Correlation, Hierarchical Belief Propagation, and Occlusion Handling》

出版日期和地址； Erkan, U., Enginoğlu, S., Thanh, DNH, Memiş, S., 2020. 改进的自适应加权平均滤波器去除椒盐噪声，Proc. 第二届电气、通信和计算机工程国际会议 (ICECCE)，第 1-5 页，6 月 12-13 日，土耳其伊斯坦布尔。 doi：10.1109/ICECCE49384.2020.9179351。 抽象的： 在这项研究中，我们提出了一种改进的自适应加权平均滤波器（IAWMF）来去除椒盐噪声。 IAWMF 最突出的优点是它能够考虑自适应窗口中无噪声像素的权重。 因此，新的灰度值比自适应加权平均滤波器 (AWMF) 计算的灰度值更接近中心像素的原始灰度值。 此外，所提出的方法利用AWMF的优势来减少检测噪声像素的误差。 在实验中，我们将所提出方法的去噪结果与其他最先进的图像去噪方法进行了比较。 结果证实 IAWMF

a new directional weighted median filter for removal of random-valued impulse noise，附带matlab代码的

datasketch：大数据看起来很小 datasketch提供给您概率性的数据结构，这些数据结构可以超快地处理和搜索大量数据，而几乎不会降低准确性。 该软件包包含以下数据草图： 数据草图 用法 估计Jaccard相似度和基数 估计加权Jaccard相似度 估计基数 估计基数 提供了以下数据草图索引以支持亚线性查询时间： 指数 对于数据草图 支持的查询类型 MinHash，加权MinHash 提卡阈值 MinHash，加权MinHash Jaccard Top-K 最小哈希 遏制阈值 datasketch必须与Python 2.7或更高版本以及NumPy 1.11或更高版本一起使用。 Scipy是可选的，但有了它，LSH初始化可以更快。 请注意， 和也支持Redis和Cassandra存储层（请参见 ）。 安装 要使用pip安装datasketch： pip insta

TAU = KENDALLTAU(Y) 返回一个 N×N 矩阵，其中包含 T×N 矩阵 Y 中每对列之间的成对 Kendall 秩相关系数。系数针对关系进行调整（这就是所谓的“tau-乙”）。 当没有联系时，Kendall 的 tau-b 与标准 tau（或 tau-a）相同。 TAU = KENDALLTAU(Y, w) 返回加权 Kendall 等级相关矩阵，其中 w 是 [T * (T - 1) / 2]×1 的权重向量，用于观察 i 和 j 之间的所有比较组合。 参考：F. Pozzi、T. Di Matteo、T. Aste，“指数平滑加权相关性”，欧洲物理期刊 B，第 85 卷，第 6 期，2012 年。DOI：10.1140/epjb/e2012-20697-x 该算法可能比 Matlab CORR 函数（秒 vs 小时）快得多，已被认为适用于小型数据集：需要机器虚拟内

QAOA_Weighted_Maxcut 目录 基本信息 量子近似优化算法（QAOA）是用于解决组合优化问题的量子算法。 Maxcut是组合优化问题的一个示例。 MaxCut问题-给定一个图，找到一种将其分为两组的方法，以使两组之间的边缘具有最大的权重。 通过对较小的更改，此代码是加权maxcut问题的通用解决方案 技术领域 使用以下项目创建项目： python版本：3.7.4 cirq版本：0.9.1 networkx版本：2.4 scipy版本：1.5.2 numpy版本：1.19.5 matplotlib版本：3.3.2

matlab中存档算法代码 加权模块化LPAwbPLUS 提出了两种在双向网络中寻找模块化的算法：LPAwb +和DIRTLPAwb +。 这些基于Liu＆Murata，2010年的LPAb +算法，可用于二方/双模网络。 对该算法进行了修改，以便可以找到网络的加权模块化（请注意，如果网络是二进制的，则结果与LPAb +算法得出的结果相同）。 目前，代码可用于Julia，MATLAB / Octave和R语言。 有关方法的详细信息，请（在“ paper”目录中），或在Beckett，2016年。 用法 代码中包含特定于语言的说明。 以您喜欢的语言来获取相关代码； 然后跑 LPA_wb_plus (MATRIX) # find labels and weighted modularity using LPAwb+ 其中，MATRIX是描述输入网络的入射/邻接矩阵。 返回三个输出： redlabels输入矩阵中每一行的模块标签， bluelabels输入矩阵中每一行的模块标签， Q模块化得分。 还提供了用于绘制模块化结构的代码。 请查看相关代码文件夹中的REAME文件，以了解有关使用LPA

期刊： 作者：Jiajing Wu, Dan Lin , Zibin Zheng and Qi Yuan 单位：Sun Yat-sen University 联系方式：wujiajing@mail.sysu.edu.cn Abstract 近来，图嵌入技术已被广泛用于各种网络的分析中，但是大多数现有的嵌入方法都忽略了可能在金融交易网络中起作用的边缘的时间和加权信息。以太坊的开放性为我们提供了该领域前所未有的数据挖掘机会。考虑到交易网络的现实规则和特征，我们建议将以太坊交易网络建模为时间加权多重图（TWMDG），其中每个节点都是唯一的以太坊账户，每个边代表按金额加权并分配时间戳的交易。在TWM

加权盒融合 存储库包含Python方法的几种实现，这些方法用于组合对象检测模型中的框： 非最大抑制（NMS） 软网管 非最大加权（NMW） 加权框融合（WBF） -与其他方法相比，可以提供更好的结果的新方法 要求 Python 3。*，Numpy，Numba 安装 pip install ensemble-boxes 用法示例 预计将标准化的框的坐标，例如，范围为[0; 1]。 顺序：x1，y1，x2，y2。 下面的2种型号的盒装示例。 第一个模型预测5个盒子，第二个模型预测4个盒子。 每个盒子模型的置信度得分1：[0.9、0.8、0.2、0.4、0.7] 每个盒子模型2的置信度得分：[0.5、0.8、0.7、0.3] 每个包装盒型号1的标签（类）：[0，1，0，1，1] 每个盒子模型2的标签（类）：[1、1、1、0] 我们将第一个模型的权重设置为2，将第二个模型