层次分析matlab代码THB花键-FE 一维有限元分析，带有截断的层次B样条（THB样条） 免责声明 2017年11月，乔纳森·詹克（Jonathan Jahnke） 无保证或担保 此规范已作为硕士论文开发 要使用它，必须将所有文件夹和子文件夹添加到MATLAB路径########################## 内容 2DPlots：用于生成2D基础函数图的脚本 AdditionalFunctions：包含其他功能，例如用于HB和THB细化，高斯点和权重的生成以及误差分析。 CurvePlot：生成B样条曲线的算法 NurbsBookAlgorithms：包含Piegl和Tiller的NURBS书中的算法，用于B样条曲线和B样条曲线的基本评估 BSplClasses：包含bSplBas类和继承的类bSplBasFun（一个基本函数），hbSplBas（分层）和一个多层类hbSplBasML。 此外，thbSplBas继承自hbSplBas，thbSplBasML继承自hbSplBasML。 boundCond是用于保存Dirichlet或Neumann边界条件的类。 Poiss

摘要 目前，在许多国家和地区市面上同时流通多种货币。商场、银行等流通领域必然面临纸币币种与币值的识别工作。本课题针对世界范围内影响力最大的三种纸币即人民币、美元和欧元，展开了纸币币种与币值识别系统的研究。 图像预处理是纸币识别系统的必要工作。纸币图像的预处理过程，包括纸币图像去噪、灰度化、图像分割、图像的校正等主要步骤。本文系统的研究了四种图像分割算法，即双峰法、迭代算法、最大类间方差法和最大熵阈值法，并分别给出经上述四种算法处理后的图像分割效果图。 根据纸币序列号的位数以及在纸币中所处的位置不同进行纸币币种的识别。对整个纸币序列号区域做竖直投影，相邻字符的间隔区域投影正好处于波谷的位置，提出了一种基于投影法确定目标号码位数的新方法。纸币面值识别主要采用识别纸币图像上的面值数字的方法，面值数字的识别主要采用基于数字的结构特征进行识别的算法，在MATLAB软件下实现算法并取得良好的识别效果。 本文设计了纸币币种与币值识别系统的硬件平台。用VHDL语言设计彩色线阵CCD（TCD2558D）驱动时序程序，在MAX+plusⅡ软件中进行仿真，得到正确时序后，下载到复杂可编程逻辑器件中。彩色线阵CCD（TCD2558D）扫 描纸币，得到模拟信号，经调理电路和A/D转换电路处理后，变成计算机能识别的数字信号，送入DSP进行处理。 关键词：币种识别，币值识别，图像分割，电荷耦合器件，数字信号处理器

中期检查报告，给正在写中期报告的同学一个参考

CUG论文 \中国地质大学硕士学位论文写作Latex模板。 这是 Seeksky@CUG 的论文写作 \Latex 模板。 欢迎来到我的主页 。 模板是从中国科学技术大学通用论文模板修改而来的。 非常感谢他们在模板中所做的努力。 介绍 请使用 \Xelatex 来编译文件。 可能TexLive做模板比较好，因为我在使用MikTex的时候没有测试可用性。 需要的文件： cugthesis.cls：全部在一个样式类中。 cugbib.bst：\Bibtex 的样式。 main.tex：论文的主文件，其中包含一些示例。 clean.bat/sh: 干净的 bash。 make.bat/sh: 制作 bash。 /chapter：包含其中的所有小节文件，包括摘要等。 /bib：仅用于参考的 \Bibtex 文件。 /figures：数字目录。 请使用 PDF、EPS 等。 #

硕士学位论文资料-EAST上电子回旋辐射成像诊断系统的屏蔽优化研究

硕士论文 查尔默斯理工大学硕士论文项目的存储库，题为“使用深度机器学习的行人意图预测”。 抽象的 待添加 数据集 联合注意自动驾驶（JAAD）数据集[]： JAAD是一个用于研究自动驾驶环境下的共同注意力的数据集。 重点是在交叉点的行人和驾驶员行为以及影响他们的因素。 为此，JAAD数据集提供了从240多个小时的驾驶录像中提取的346个短视频剪辑（长5-10秒）的丰富注释集合。 这些在北美和东欧的多个地点拍摄的视频代表了在各种天气条件下日常城市驾驶的典型场景。 为所有行人提供了带有遮挡标签的边界框，使该数据集适合行人检测。 行为注释指定与驾驶员互动或需要驾驶员注意的行人的行为。 对于每个视频，都有固定的列表中的几个标签（天气，位置等）和带有时间戳的行为标签（例如，停下，步行，观看等）。 此外，还为每个行人提供了人口统计属性列表（例如年龄，性别，运动方向等），以及每个帧的可见交通场景元

Word模板-武汉理工大学硕士学位论文.wpt

硕士学位论文_基于Equinox的OSGI构件监控模块的研究与设计.doc

硕士学位论文_基于流的网络虚拟交换技术研究与实现.doc

使用机器学习的软件定义网络中的TCP拥塞检测 本文的思想是使用决策树算法检测SDN网络中的拥塞 使用的工具 POX OpenFlow控制器（强烈建议使用OF版本1.3或1.5的基于Ryu Python的控制器）。 Mininet仿真器 Wireshark Iperf版本3 用于GNU图的Bash脚本 WEKA机器学习工具，用于训练和测试不同的决策树算法 定制Linux内核