图像处理课程作业可直接运行附带评价指标:PSNRMSE对图像使用大气湍流模型进行退化,并加高斯噪声。
通过维纳滤波实现图像复原。
并与逆滤波的方法进行对比。
最后采用PSNR和MSE对维纳滤波的结果进行评价。
由于存在取整误差,就算去掉高斯噪声,逆滤波仍然难以完全还原原始图像。
1
道路设计软件bisar3.0是壳牌沥青公司开发的一个辅助设计软件,其核心是弹性层状体系力学,采用的是壳牌沥青路面设计方法中的指标,可以计算路面的弯沉、结构层内的应力和,aVpsSV
2024/10/17 10:10:43 3.33MB 道路设计
1
从用户的实际需求出发,分析了聚类系统的使用者可能对系统提出的功能要求,提出了一种基于加权Eucfid距离的模糊C聚类分析算法。
在该算法中,权值是由用户或领域的专家直接指定的,加在不同特征指标上的权值体现了用户对各个特征指标重视程度的差别。
与传统的模糊C聚类分析相比,该算法增加了聚类的灵活性,能够产生令用户更加满意的聚类结果
2024/10/15 22:37:56 167KB 模糊数学 聚类分析 加权 Euclid距离
1
通过研究OLSR协议及MPR技术之后,利用OPNET仿真工具在节点高速运动的环境下,对协议进行了仿真,通过网络吞吐量、路由开销、数据分组成功接收率等参数来评价MANET网络性能的指标。
2024/10/15 22:01:16 100KB MANET、OLSR
1
ZABBIX是一款服务器各项指标监控工具,可根据需求灵活配置监控模板,各项监控数据直观
2024/10/14 6:53:26 8.7MB ZABBIX
1
HypeLCNN概述该存储库包含论文“具有用于高光谱和激光雷达传感器数据的光谱和空间特征融合层的深度学习分类框架”的论文源代码(正在审查中)使用Tensorflow1.x开发(在1.10至1.15版上测试)。
该存储库包括一套完整的套件,用于基于神经网络的高光谱和激光雷达分类。
主要特点:支持超参数估计基于插件的神经网络实现(通过NNModel接口)基于插件的数据集集成(通过DataLoader接口)培训的数据有效实现(基于内存的有效/基于内存/记录的)能够在经典机器学习方法中使用数据集集成神经网络的培训,分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU(进行中)的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流,集成指标,合并两个不同的神经网络以进行数据增强的最佳实践注意:数据集文件太
2024/10/9 21:46:46 128KB deep-neural-networks tensorflow fusion lidar
1
随机并行梯度下降算法(SPGD)是一种基于直接性能指标优化的相位控制方法,在自适应光学中有较好的适用性。
该算法主要包含增益系数和随机扰动幅度两个可变参数,其取值对算法收敛性有很大的影响。
对双边SPGD算法实现收敛时参数的取值要求进行研究,结合算法原理分析了算法参数的取值范围,并通过大量仿真实验找出所有使双边SPGD算法收敛的增益系数和随机扰动幅度值;得到随机扰动幅度的取值下限,理论和仿真分析了下限存在的原因及取值;在相干合成中存在相位噪声,研究了不同相位校正器参数的情况下可使算法收敛的参数的取值范围。
1
探讨了一种静态电压多指标综合评判方法。
该方法基于电压有功灵敏度、无功裕度、节点电压变化三个电压指标,以客观赋值与主观赋值组合方法对上述三个指标分别赋予不同权重求得综合指标以辨识系统各节点薄弱程度。
最后以IEEE39节点系统为仿真对象进行分析,以单一指标与综合指标分别辨识系统薄弱母线,验证该综合评判方法的有效性与科学性。
1
输入图像分割结果和标答,得到评价指标P,R,F。
2024/9/30 7:44:29 994B matlab evaluation
1
由于棱镜具有色散不均匀的特点,中阶梯光栅光谱仪的二维谱图在长波波段不可避免地存在相邻衍射级次间相互干扰的情况。
为了克服这一缺点,同时充分利用探测器像面,设计了一种小型分段式的中阶梯光栅光谱仪。
通过对中阶梯光栅和棱镜色散原理的详细分析,确定了二者参数与探测器之间的关系,结合双缝间隔设计方法,采用双狭缝切换的方式,给出分段式中阶梯光栅光谱仪的设计方法。
利用此方法将系统的波段范围165~800nm分为165~230nm和210~800nm两部分,焦距设计为200mm,分别采集双波段的二维谱图。
使用光学设计软件对光学系统进行仿真,结果表明,200nm处的实际光谱分辨率可达0.015nm,满足设计指标的要求。
2024/9/28 18:20:25 8.06MB 衍射 双缝切换 衍射级次 中阶梯光
1
共 459 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡