压缩感知的稀疏重构中广泛应用的正交婚配追踪（OMP）算法matlab程序，该算法由香港大学电子工程系沙威老师开发，代码注释详细，便于读者理解。
已测试，可以正常运行。
读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。
压缩感知的稀疏重构中广泛应用的正交婚配追踪（OMP）算法matlab程序，该算法由香港大学电子工程系沙威老师开发，代码注释详细，便于读者理解。
已测试，可以正常运行。
读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。
已测试，可以正常运行。
读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。
压缩感知的稀疏重构中广泛应用的正交婚配追踪（OMP）算法matlab程序，该算法由香港大学电子工程系沙威老师开发，代码注释详细，便于读者理解。
已测试，可以正常运行。
读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。
2019/11/8 16:03:55
3KB
1
根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
2021/9/8 14:25:08
357KB
1
用matlab实现了机器学习中的感知机学习算法（perceptronalgorithm），利用前500个样本值训练分类器，用剩余样本做测试。
2021/3/21 18:16:26
4KB
1
Google"类似图片搜索"：你可以用一张图片，搜索互联网上所有与它类似的图片。
这种技术的原理是什么？计算机怎么知道两张图片类似呢？根据NealKrawetz博士的解释，原理非常简单易懂。
我们可以用一个快速算法，就达到基本的效果。
这里的关键技术叫做"感知哈希算法"（Perceptualhashalgorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。
结果越接近，就说明图片越类似。
这是一个最简单的实现。
这种技术的原理是什么？计算机怎么知道两张图片类似呢？根据NealKrawetz博士的解释，原理非常简单易懂。
我们可以用一个快速算法，就达到基本的效果。
这里的关键技术叫做"感知哈希算法"（Perceptualhashalgorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。
结果越接近，就说明图片越类似。
这是一个最简单的实现。
2021/10/17 1:49:38
244KB
1
利用Matlab内置的高阶谱分析(HOSA)工具箱，首先绘制得到了双谱估计三维图和双谱估计切片图；
然后进行了基于双谱对角切片盲感知算法的Matlab仿真完成。
然后进行了基于双谱对角切片盲感知算法的Matlab仿真完成。
2015/5/26 1:18:30
2KB
1
由SimonHaykin著，郑宝玉等译、电子工业出版社出版。
其中详细引见了各种线性自适应滤波器和基于多层感知器的非线性自适应滤波器的原理与方法。
特别清晰，十分难得的好书，全面讲述了各种自适应滤波算法
其中详细引见了各种线性自适应滤波器和基于多层感知器的非线性自适应滤波器的原理与方法。
特别清晰，十分难得的好书，全面讲述了各种自适应滤波算法
2016/4/24 15:34:27
13.13MB
1
php图片类似度集合，AHASH,PHASH,DHASH集合包，三种配合使用，使图片搜索更精准，先用PHASH搜索，再用AHASH和DHASH进行递减搜索，图片数据库二十万条图片记录，精准度不错
2017/10/25 13:55:03
5KB
1
本文来自36kr，本文介绍了R-CNN基本结构和原理，YOLO的基本原理，推理过程，计算loss以及具体实用过程等。
知识图谱最初是由谷歌提出用来优化搜索引擎的技术，在不断发展中外延也一度扩大。
盘点目前知识图谱的发展，其已经助力了很多抢手的人工智能场景的应用，例如语音助手、聊天机器人、智能问答等。
当前的人工智能其实可以简单划分为感知智能（主要集中在对于图片、视频以及语音的能力的探究）和认知智能（涉及知识推理、因果分析等），知识图谱就是认知智能领域中主要的技术之一。
从使用的范围来讲，知识图谱分为通用知识图谱和领域知识图谱。
通用知识图谱主要应用于面向互联网的搜索、推荐、问答等业务场景。
通用知识图谱强
知识图谱最初是由谷歌提出用来优化搜索引擎的技术，在不断发展中外延也一度扩大。
盘点目前知识图谱的发展，其已经助力了很多抢手的人工智能场景的应用，例如语音助手、聊天机器人、智能问答等。
当前的人工智能其实可以简单划分为感知智能（主要集中在对于图片、视频以及语音的能力的探究）和认知智能（涉及知识推理、因果分析等），知识图谱就是认知智能领域中主要的技术之一。
从使用的范围来讲，知识图谱分为通用知识图谱和领域知识图谱。
通用知识图谱主要应用于面向互联网的搜索、推荐、问答等业务场景。
通用知识图谱强
2016/5/8 15:33:01
359KB
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