在机器人视觉系统中运用SIFT描述子对现实世界中的目标进行识别，这一研究已经取得了很大的进步。
运用SIFT生成的图像特征向量的性能十分稳定，对旋转、缩放、平移是保持不变性的，对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。
RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法，在标准的RANSAC算法基础上加入了假设评价，改进为R-RANSAC（TheRandomizedRANSAC）算法。
对这两个方面进行论述，运用SIFT（尺度不变特征变换）算法对双目机器人的两幅视觉图像进行匹配，采用带SPRT的R-RANSAC改进算法对匹配过程进行优化，尽可能在短的时间里完成匹配矫正，进而加速整个配准的时间。
运用SIFT生成的图像特征向量的性能十分稳定，对旋转、缩放、平移是保持不变性的，对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。
RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法，在标准的RANSAC算法基础上加入了假设评价，改进为R-RANSAC（TheRandomizedRANSAC）算法。
对这两个方面进行论述，运用SIFT（尺度不变特征变换）算法对双目机器人的两幅视觉图像进行匹配，采用带SPRT的R-RANSAC改进算法对匹配过程进行优化，尽可能在短的时间里完成匹配矫正，进而加速整个配准的时间。
2024/2/17 5:39:03
538KB
1
派生象征差异该软件的原始版本由AndrewClausen（位于econ.upenn.edu的clausen）于2007年用R编写。
MarkReid（anu.edu.au上的mark.reid）发送了补丁，并于2009年2月2日发布。
2014年，安德鲁已将维护工作交给了SergueiSokol（sokol，位于insa-toulouse.fr）。
从那时起，该软件就进行了深刻的重写和完善。
主要的新功能包括：新的派生引擎，允许使用简单的语法来区分规则；
规则表中添加了许多新功能；
用户可以添加自定义区分规则；
具有多个分配运算符的代码的自动微分（AD）；
当采用函数的派生时，Deriv（）也返回一个函数。
可以使用与原始函数相同的参数来调用后者。
可以通过存储在向量或列表中的变量来区分，例如param$theta或x[1]，x[2]等。
简化扩展到有理
MarkReid（anu.edu.au上的mark.reid）发送了补丁，并于2009年2月2日发布。
2014年，安德鲁已将维护工作交给了SergueiSokol（sokol，位于insa-toulouse.fr）。
从那时起，该软件就进行了深刻的重写和完善。
主要的新功能包括：新的派生引擎，允许使用简单的语法来区分规则；
规则表中添加了许多新功能；
用户可以添加自定义区分规则；
具有多个分配运算符的代码的自动微分（AD）；
当采用函数的派生时，Deriv（）也返回一个函数。
可以使用与原始函数相同的参数来调用后者。
可以通过存储在向量或列表中的变量来区分，例如param$theta或x[1]，x[2]等。
简化扩展到有理
2024/2/16 22:20:26
42KB
1
实验描述:对指定数据集进行聚类分析，选择适当的聚类算法，编写程序实现，提交程序和结果报告。
数据集：IrisDataSet（见附件一），根据花的属性进行聚类。
数据包括四个属性：sepallength花萼长度，sepalwidth花萼宽度，petallength花瓣长度，petalwidth花瓣宽度。
其中第五个值表示该样本属于哪一个类。
样本点间的距离直接用向量的欧氏距离。
数据集：IrisDataSet（见附件一），根据花的属性进行聚类。
数据包括四个属性：sepallength花萼长度，sepalwidth花萼宽度，petallength花瓣长度，petalwidth花瓣宽度。
其中第五个值表示该样本属于哪一个类。
样本点间的距离直接用向量的欧氏距离。
2024/2/14 17:19:40
15KB
1
东北大学数值分析课件第一章绪论第二章解线性方程组的直接方法第三章解线性方程组的迭代法第四章解非线性方程的迭代法第五章矩阵特征值与特征向量的计算第六章插值与逼近第七章数值积分第八章常微分方程数值解法习题选讲
2024/2/13 3:17:25
3.24MB
1
使用python手动实现了SVM支持向量机，包括其中二次规划的求解（调用cvxopt包），实现了软间隔及核技术，以及对数据集及分类效果的可视化！建议配合我的SVMPPT一起学习SVM不是直接调用sklearn的SVM！！
2024/2/12 14:53:06
366KB
1
misvm,多实例支持向量机MISVM:多个实例支持向量机由Gary(gary.doran@case.edu))概述MISVM包含多个实例(MI)学习框架的支持向量机(支持向量机)算法的python实现。
为以下出版物创建了实现：Do
为以下出版物创建了实现：Do
2024/2/8 8:35:09
146KB
1
配套的相关资料，好东西。
菜菜的课程，看了就知道是好东西了。
01决策树课件数据源码02随机森林03数据预处理和特征工程04主成分分析PCA与奇异值分解SVD05逻辑回归与评分卡06聚类算法Kmeans07支持向量机上08支持向量机下09回归大家族：线性回归，岭回归，Lasso与多项式回归010朴素贝叶斯011XGBoost
菜菜的课程，看了就知道是好东西了。
01决策树课件数据源码02随机森林03数据预处理和特征工程04主成分分析PCA与奇异值分解SVD05逻辑回归与评分卡06聚类算法Kmeans07支持向量机上08支持向量机下09回归大家族：线性回归，岭回归，Lasso与多项式回归010朴素贝叶斯011XGBoost
2024/2/5 9:49:43
153.32MB
1
采用C++开发的复矩阵数学库，含复数类CMyComplex、矩阵类CMatrix、修正贝塞尔函数类等，可进行各种复数和复矩阵运算，具体包括：实矩阵求逆的全选主元高斯－约当法、复矩阵求逆的全选主元高斯－约当法、对称正定矩阵的求逆、托伯利兹矩阵求逆的埃兰特方法、求行列式值的全选主元高斯消去法求矩阵秩的全选主元高斯消去法、对称正定矩阵的乔里斯基分解与行列式的求值、矩阵的三角分解、一般实矩阵的QR分解、一般实矩阵的奇异值分解、求广义逆的奇异值分解法、约化对称矩阵为对称三对角阵的豪斯荷尔德变换法、实对称三对角阵的全部特征值与特征向量的计算、约化一般实矩阵为赫申伯格矩阵的初等相似变换法、求赫申伯格矩阵全部特征值的QR方法、求实对称矩阵特征值与特征向量的雅可比法、求实对称矩阵特征值与特征向量的雅可比过关法等，内容十分丰富完善。
2024/2/5 6:06:28
6.39MB
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