包含两种平台上运行的kmeans算法：一种是在Hadoop系统上的并行化kmeans算法，支持读文件，执行聚类算法，输出质心文件，将每个数据的聚类信息输出到控制台上；
另一种是串行的聚类算法，支持读文件数据，执行kmeans算法，将每个数据的聚类信息输出到文件中。
代码注释清晰。
另一种是串行的聚类算法，支持读文件数据，执行kmeans算法，将每个数据的聚类信息输出到文件中。
代码注释清晰。
2024/7/31 1:48:06
5KB
1
已知参数和设计要求：M：小车质量 1.096kgm：摆杆质量 0.109kgb：小车摩擦系数 0.1N/secl：摆杆转动轴心到杆质心的长度 0.25mI：摆杆惯量 0.0034kgm2设计控制器,使得校正后系统的要求如下:系统的静态位置误差常数为10，相位裕量为50，增益裕量等于或大于10分贝。
2024/6/11 3:58:10
1.83MB
1
包括所有所有定位算法源代码，APIT定位算法，DV_Hop定位算法，质心定位算法，RSSI定位算法，TDOA算法，AOA算法，以及融入的其他算法
2024/1/22 18:15:39
28.41MB
1
文运用相机标定模型确定了相机像平面的像坐标，利用本质矩阵标定双目相机，快速找出了相机的相对位置关系；
利用MATAB软件和图像处理进行编程求解；
通过对图像的预处理和灰度质心法对模型进行了验证，得出模型的精度。
针对问题一，根据数码相机的特点，提出了一个新的标定方法，建立相机标定模型，确定了靶标上圆的圆心在该相机像平面的像坐标，为问题二的计算提供了一个好的算法。
针对问题二，我们利用问题一建立的模型和方法运用MATLAB编程精确的计算了靶标上五个圆的圆心在像平面上的像坐标。
针对问题三，我们引入了灰度质心法及像差模型对前述问题的模型的稳定性和坐标值精度进行检验后，发现两种模型的中心坐标值的误差值在[0~3]个像素区间内，说明前述模型的计算结果的精度很高，通过像差模型得出其径向畸变系数趋于无穷小，认为前述模型有很好的稳定性。
针对问题四，我们提出了一种改进的的立体摄像机标定方法，通过双目匹配点，线性地求解本质矩阵，快速找出摄像机的相对位置关系。
利用MATAB软件和图像处理进行编程求解；
通过对图像的预处理和灰度质心法对模型进行了验证，得出模型的精度。
针对问题一，根据数码相机的特点，提出了一个新的标定方法，建立相机标定模型，确定了靶标上圆的圆心在该相机像平面的像坐标，为问题二的计算提供了一个好的算法。
针对问题二，我们利用问题一建立的模型和方法运用MATLAB编程精确的计算了靶标上五个圆的圆心在像平面上的像坐标。
针对问题三，我们引入了灰度质心法及像差模型对前述问题的模型的稳定性和坐标值精度进行检验后，发现两种模型的中心坐标值的误差值在[0~3]个像素区间内，说明前述模型的计算结果的精度很高，通过像差模型得出其径向畸变系数趋于无穷小，认为前述模型有很好的稳定性。
针对问题四，我们提出了一种改进的的立体摄像机标定方法，通过双目匹配点，线性地求解本质矩阵，快速找出摄像机的相对位置关系。
2023/11/8 11:28:51
463KB
1
vs2015+opencv3.1，摄像头实时识别彩色图像中的指定颜色。
并且返回搜索颜色区域的质心坐标显示在控制台。
可供opencv新手参考
并且返回搜索颜色区域的质心坐标显示在控制台。
可供opencv新手参考
2023/9/17 18:37:25
21.15MB
1
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