MATLAB神经网络43个案例分析源代码&数据《MATLAB神经网络43个案例分析》目录第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

基于VHDL的数字闹钟设计随着EDA技术的发展和应用领域的扩大与深入EDA技术在电子信息、通信、自动控制及计算机应用领域的重要性日益突出。
EDA技术就是以计算机为工具设计者在EDA软件平台上用硬件描述语言HDL完成设计文件然后由计算机自动地完成逻辑编译、化简、分割、综合、优化、布局、布线和仿真直至对于特定目标芯片的适配编译、逻辑映射和编程下载等工作。
本设计介绍了基于VHDL硬件描述语言设计的多功能数字闹钟的思路和技巧并在QuartusII开发环境中编译和仿真所设计的程序并逐一调试验证程序的运行状况。
仿真和验证的结果表明该设计方法切实可行该数字闹钟可以实现调时定时闹钟功能具有一定的实际应用性。

超大文件切割工具TXT杀手速度快不占内存。
记得上次20G的日志切成100份只几分钟。
占用内存可忽略。
建议按行数分割。
按大小好像报错。

目录：第一章绪论1·1生物视觉通路简介1·2Marr的计算视觉理论框架1·3本书各章内容简介1·4计算机视觉的现状与阅读本书需注意的问题思考题参考文献第二章边缘检测2·1边缘检测与微分滤波器2·2边缘检测与正则化方法2·3多尺度滤波器与过零点定理2·4最优边缘检测滤波器2·5边缘检测快速算法2·6图像低层次处理的其他问题思考题参考文献第三章射影几何与几何元素表达3·1仿射变换与射影变换的几何表达3·2仿射坐标系与射影坐标系3·3仿射变换与射影变换的代数表达3·4不变量3·5由对应点求射影变换3·6点3·7指向和方向3·8平面直线及点线对偶关系3·9空间平面及点面对偶关系3·10空间直线3·11二次曲线与二次曲面思考题参考文献第四章摄像机定标4·1线性模型摄像机定标4·2非线性模型摄像机定标4·3立体视觉摄像机定标4·4机器人手眼定标4·5摄像机自定标技术思考题参考文献第五章立体视觉5·1立体视觉与三维重建5·2极线约束5·3对应基元匹配5·4射影几何意义下的三维重建思考题参考文献第六章运动与不确定性表达6·1欧氏平面上的刚体运动6·2欧氏空间中的刚体运动6·3不确定性的描述6·4不确定性的运算6·5不确定性运算的几个例子6·6三维直线段的不确定性6·7不确定性的显示思考题参考文献第七章基于光流场的运动分析7·1光流场和运动场7·2光流的约束方程7·3微分技术7·4其他方法7·5基于光流场的定性运动解释思考题参考文献第八章长序列运动图像特征跟踪8·1引论8·2参数估计理论初步8·3特征运动模型8·4特征跟踪的阐述8·5匹配8·6实际应用中需要考虑的问题思考题参考文献第九章基于二维特征对应的运动分析9·1极线方程和本质矩阵9·2基于点匹配的运动计算9·3图像是一个空间平面的投影时的运动计算9·4基于直线匹配的运动计算9·5基本矩阵的估计思考题参考文献第十章基于三维特征对应的运动分析10·1由三维点匹配估计运动10·2不需显式匹配的方法10·3从三维直线匹配估计运动10·4从平面匹配估计运动10·5二维-三维的物体定位思考题参考文献第十一章由图像灰度恢复三维物体形状11·1辐射度学与光度学11·2光照模型11·3由多幅图像恢复三维物体形状11·4由单幅图像恢复三维物体形状思考题参考文献第十二章建模与识别12·1CAD系统中的三维模型表达12·2曲线与曲面的表达12·3三维世界的多层次模型12·4由二维图像建模12·5识别的一般原则——问题与策略12·6特征关系图匹配12·7“假设检验”识别方法思考题参考文献第十三章距离图像获取与处理13·1距离传感器13·2数据预处理13·3深度图分割思考题参考文献第十四章计算机视觉系统体系结构讨论与展望14·1计算机视觉系统的基本体系结构14·2视觉系统体系结构讨论14·3主动视觉14·4计算机视觉的应用展望参考文献附录A实验数据及参考结构A·1图像的格式A·2摄像机定标A·3立体视觉A·4基于光流场的运动分析A·5长序列运动图像特征跟踪A·6基于二维特征对应的运动分析A·7基于三维特征对应的运动分析

关于图像预处理部分的matlab代码，包含常见的灰度化、均衡化、阈值分割以及形态学操作等等

MFC自定义界面HUI，高效简单，含详细注释和示例。
HUI包括基本控件、按钮、标签、编辑框、表格、悬停提示等，可组合出更多功能。
资源占用少，效率高，能在低端机上运行，流畅不闪烁，完全满足工控等各种专业软件实现个性化要求。
本资源是“http://download.csdn.net/detail/hhhh63/6961889”的正式发布版。
包括3个项目，Hui、HuiDemo1和HuiDemo2。
一、Hui项目本项目是DLL项目，包括完整的界面库，使用双缓存，局部重画等技术，性能优异。
为保证在不同的MFC版本中使用，本次上传提供了这部分的源码，一般不要对其改动。
二、HuiDemo1简单的应用示例，包括窗口分割，控制面板和主显示区等，展示控件各方向停靠、自动充满、全屏切换、记忆窗口位置和大小、选项设置和保存注册表等功能，用户可直接以此为基础开发新项目。
如需扩展其它功能，可从HuiDemo2查找复制相应代码。
三、HuiDemo2除HuiDemo1的所有功能外，还包括界面库的全部功能和其它实用扩展功能，左中右三栏式分布，左右固定宽度，中间栏大小可变。
1、左边是属性栏，固定宽度，上边是时钟，下边是鼠标信息，当鼠标移到中间的图像区时显示鼠标位置和图像值。
2、中间是图像区，演示如何动态生存索引图像，从下向上移动，自适应大小，长宽比不变，点右边的调色板按钮改变颜色，点保存按钮把当前图像保存到桌面。
3、右边上边是控制栏，在中间的图像区中画各种几何图形，并计算几何图形包围的图像数据的最大值，最小值和平均值。
4、右边下边是表格演示，显示Windows文件夹下的文件列表，自动充满窗口区，随窗口大小改变显示项数，保证界面美观，最下面是搜索和定位功能。
四、运行环境，VC2010或更高版本。
欢迎大家下载并提意见，本资源版权归作者所有，分享供大家研究学心，不得用于商业用途，如有特殊要求请与本人联系。

分割txt超大文件、txt、csv、5G以上超大文件

1.先采集摄像头视频，对每一帧图像进行处理。
（这部分在主函数里面）2.然后对每一帧图像进行hsv颜色空间变换，这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。
3.对hsv的各个通道进行阈值分割，分割出人体的肤色4.对分离出的人体肤色部分用腐蚀膨胀的方法进行滤波处理，在进行凹包凸包分析，计算各个分离出来的区块的面积，删除掉面积太小的区块，在计算轮廓的深度，取深度最大的为目标轮廓。
5.然后对目标轮廓的凹凸包的个数就可以的出手势表示的数字。

基于MATLAB的树叶图像特征分类识别，图像分析处理分割特征提取分类识别等

基于opencv的车牌识别源码，亲测可用，包括提前提取车牌区域，字符分割以及字符识别整个车牌识别过程。
在提取车牌区域时用过SVM支持向量机来识别，最后的车牌字符识别通过神经网络识别。
将两种机器学习算法都用到了。
不仅仅用于学习，我在车牌识别项目中也是基于该源码工作的。

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。