对老版本代码进行了调试，找了一个光谱的数据进行降维测试，效果不错，有需求的小伙伴下载吧，调试不易，谢谢支持。
2022/9/6 16:30:20
6.55MB
1
顶点成分分析算法是一种非监督的端元提取算法。
顶点成分分析法假设纯净像元存在，根据凸面几何原理，认为端元都位于单形体的顶点。
VCA算法通过将数据投影到一个正交的子空间方向计算投影距离值最大的像元，它就是要寻找的端元。
要不断进行迭代计算，直到所有的端元都被找到。
VCA的计算步骤为:①对图像数据进行降维处理，设定一个信噪比门限值SNRth，根据图像的信噪比与门限值对比大小分别采用主成分分析法(PCA)或者奇异值分解法(SVD)对图像数据进行降维;②利用随机生成的正态分布矩阵计算初始向量，将所有的像元点向初始向量方向投影，找到投影值最大的作为端元;③继续计算新的投影向量方向并进行迭代计算直到找出所有的端元，本资源实现了VCA算法来非监督提取端元,希望对研讨端元提取的朋友有用
顶点成分分析法假设纯净像元存在，根据凸面几何原理，认为端元都位于单形体的顶点。
VCA算法通过将数据投影到一个正交的子空间方向计算投影距离值最大的像元，它就是要寻找的端元。
要不断进行迭代计算，直到所有的端元都被找到。
VCA的计算步骤为:①对图像数据进行降维处理，设定一个信噪比门限值SNRth，根据图像的信噪比与门限值对比大小分别采用主成分分析法(PCA)或者奇异值分解法(SVD)对图像数据进行降维;②利用随机生成的正态分布矩阵计算初始向量，将所有的像元点向初始向量方向投影，找到投影值最大的作为端元;③继续计算新的投影向量方向并进行迭代计算直到找出所有的端元，本资源实现了VCA算法来非监督提取端元,希望对研讨端元提取的朋友有用
2022/9/4 20:45:10
9.29MB
1
本研究回顾了基于主成分分析PCA和判别分析LDA的降维方法及其扩展，包括经典主成分分析、概率主成分分析、核主成分分析，以及线性判别分析、局部保持降维、图形嵌入判别分析和半监督降维分析。
2022/9/4 7:32:06
1020KB
1
邹谋炎著的反卷积和信号复原，是国内这个领域不多或者说是屈指可数的专业书籍。
原来邹老师还在中科院任教，但是现在年岁已高，中科院这门课也就后继无人，直接取消了。
对于我们来说，不能不说是一种遗憾。
《反卷积和信号复原》内容大致分为三个部分：理论基础，一维信号反卷积和图像复原。
其中包括：导论；
数学基础；
Fredholm第一类积分方程的解、规整化和计算模型；
一维信号反卷积和复原；
无限支持域上的图像盲目反卷积；
图像反降晰；
相位恢复等。
反问题本来就很困难，是一个非常有挑战性的领域，需要的数学功底也很深厚。
这本书早已绝版，所以这里分享给大家。
希望对大家有用。
原来邹老师还在中科院任教，但是现在年岁已高，中科院这门课也就后继无人，直接取消了。
对于我们来说，不能不说是一种遗憾。
《反卷积和信号复原》内容大致分为三个部分：理论基础，一维信号反卷积和图像复原。
其中包括：导论；
数学基础；
Fredholm第一类积分方程的解、规整化和计算模型；
一维信号反卷积和复原；
无限支持域上的图像盲目反卷积；
图像反降晰；
相位恢复等。
反问题本来就很困难，是一个非常有挑战性的领域，需要的数学功底也很深厚。
这本书早已绝版，所以这里分享给大家。
希望对大家有用。
2022/9/4 5:00:44
32.86MB
1
特征降维是模式识别中重要的一步，从图像中提取的原始特征往往维度较高，需求对其降维处理。
基于AdaBoost的特征降维是具有良好的特征选择能力，其对每一维特征训练若分离器，根据分类效果调整权重，并最终选择具有分类信息的特征组合。
基于AdaBoost的特征降维是具有良好的特征选择能力，其对每一维特征训练若分离器，根据分类效果调整权重，并最终选择具有分类信息的特征组合。
2022/9/4 4:30:24
6KB
1
探究用户对物品类别的喜好细分降维案例中需要的数据。
该紧缩包包括products.csv、order_products__prior.csv、orders.csv、aisles.csv等数据。
除此之外，还包括利用PCA降维的python程序。
该紧缩包包括products.csv、order_products__prior.csv、orders.csv、aisles.csv等数据。
除此之外，还包括利用PCA降维的python程序。
2022/9/3 19:42:19
196.36MB
1
共附带了5个m文件，其中pyr_reduce.m和pyr_expand.m分别实现了一次滤波+降采样和滤波+升采样操作；
genPyr.m调用这两者，实现高斯和拉普拉斯金字塔的生成；
pyrReconstruct.m则实现了由金字塔进行图像重构的操作。
最初，pyrBlend.m进行了图像融合的实验。
还有三张试验图片
genPyr.m调用这两者，实现高斯和拉普拉斯金字塔的生成；
pyrReconstruct.m则实现了由金字塔进行图像重构的操作。
最初，pyrBlend.m进行了图像融合的实验。
还有三张试验图片
2022/9/3 13:08:49
36KB
1
图像的降噪处理图像的中值滤波技术图像的小波分析理论基础边缘检测图像分割基于MATLAB的系统平台总体设计图形用户界面(GUI)系统图形界面介绍GUI界面规划设计GUI各功能模块的设计
2017/9/8 18:57:51
100KB
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