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
某物体在XY平面做运动，采样周期为1s，该运动系统的形态方程如式(2-1)所示，其中,为系统的形态向量，各形态变量对应地分别表示方向的位置、方向速度、方向的位置、方向的速度。
为零均值高斯白噪声,。
采用方位角传感器测量运动系统的方位角，作为系统的输出。
系统的输出方程如式（2-2）所示：其中是零均值高斯白噪声，。
假设系统的初始形态,，=0.02。
试利用扩展卡尔曼滤波理论求出的最优估计。
要求：（1）利用Matlab或Python编写仿真程序。
（2）给出各形态变量的真值和估计值曲线变化图。
（3）分别给出的真值与估计值之间的误差曲线变化图，并求出误差的均值和方差。
（4）对滤波效果进行分析。
为零均值高斯白噪声,。
采用方位角传感器测量运动系统的方位角，作为系统的输出。
系统的输出方程如式（2-2）所示：其中是零均值高斯白噪声，。
假设系统的初始形态,，=0.02。
试利用扩展卡尔曼滤波理论求出的最优估计。
要求：（1）利用Matlab或Python编写仿真程序。
（2）给出各形态变量的真值和估计值曲线变化图。
（3）分别给出的真值与估计值之间的误差曲线变化图，并求出误差的均值和方差。
（4）对滤波效果进行分析。
2022/9/3 19:55:27
4KB
1
数值分析朱晓临主编2014年版内容简介本书是为理工科大学各专业普遍开设的“数值分析”或“计算方法”课程编写的教材本书列选安徽省高等学校”十二五”省级规划教材本书主要内容有：线性方程组的数值解法、非线性方程（组）的数值解法、数值逼近（包括插值、三次样条和B样条、最小二乘法、最佳平方逼近与最佳一致逼近）、数值微积分、常微分方程初值问题和边值问题的数值解法以及矩阵特征值、特征向量的数值解法．每章都有大量例题和习题、相关算法的MATLAB程序，并附例题演示；
书末附有习题答案，配有上机实习题，供学生上机实习选用此外，书中给出了所有概念的英文表达以及书中出现的科学家的简介，书末还有相关概念的中英文索引，方便读者查阅．全书阐述严谨脉络分明、深入浅出，注重理论学习和上机实践相结合，介绍方法与阐明原理并重，教授知识与培养能力兼顾，便于教学和自学．本书可以作为理工科大学各专业研究生学位课程的教材，并可供从事科学计算的科技工作者参考
书末附有习题答案，配有上机实习题，供学生上机实习选用此外，书中给出了所有概念的英文表达以及书中出现的科学家的简介，书末还有相关概念的中英文索引，方便读者查阅．全书阐述严谨脉络分明、深入浅出，注重理论学习和上机实践相结合，介绍方法与阐明原理并重，教授知识与培养能力兼顾，便于教学和自学．本书可以作为理工科大学各专业研究生学位课程的教材，并可供从事科学计算的科技工作者参考
2022/9/3 18:11:25
68.01MB
1
特征脸方法是从主成分分析(PCA)导出的一种人脸识别和描述技术。
它将包含人脸的图像区域看作一随机向量，采用K-L变换得到正交K-L基，对应其中较大特征值的基具有与人脸相似的形状，因而又被称为特征脸。
利用这些基的线性组合可以描述、表达和逼近人脸图像，所以可进行人脸识别与合成。
识别过程就是将人脸图像映射到由特征脸组成的子空间上，并比较其在特征脸空间中的位置，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是选择各种距离函数来进行度量分类实现人脸识别。
它将包含人脸的图像区域看作一随机向量，采用K-L变换得到正交K-L基，对应其中较大特征值的基具有与人脸相似的形状，因而又被称为特征脸。
利用这些基的线性组合可以描述、表达和逼近人脸图像，所以可进行人脸识别与合成。
识别过程就是将人脸图像映射到由特征脸组成的子空间上，并比较其在特征脸空间中的位置，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是选择各种距离函数来进行度量分类实现人脸识别。
2015/9/9 18:58:16
2.55MB
1
利用聚类技术实现纹理图像分割a）针对合成纹理图像（共有4个合成纹理图像，见文件夹：data\Texture_mosaic）中每一个像素提取纹理特征向量（提取纹理特征的方法可以为课堂讲的，也可以自己查找资料）；
b）利用聚类技术（推荐用k-均值聚类，可以从网上查找原码）对特征向量空间中的点进行聚类，类别数可根据图像中的实际纹理类数确定。
最后把类属标签映射成图像方式显示（如下图，其中b、d、f、h为相应的基准分割图像）。
b）利用聚类技术（推荐用k-均值聚类，可以从网上查找原码）对特征向量空间中的点进行聚类，类别数可根据图像中的实际纹理类数确定。
最后把类属标签映射成图像方式显示（如下图，其中b、d、f、h为相应的基准分割图像）。
2020/5/14 20:01:48
827KB
1
NURBSToolbox官方网站是http://www.aria.uklinux.net/nurbs.php3%NURBS工具箱。
%版本1.0%％演示-NURBS演示%%nrbmak-从控制点和节点构建NURBS。
%nrbtform-使用缩放、平移或旋转操作符。
%nrbkntins-结插入/细化。
%nrbdegelev-度数提升。
%nrbderiv-导数的NURBS表示。
%nrbdeval-NURBS导数的评估。
%nrbkntmult-求结向量的多重性。
%nrbreverse-NURBS的反向评估方向。
%nrbtransp-交换NURBS曲面的U和V。
%nrbline-构建一条直线。
%nrbcirc-构造一个圆弧。
%nrbrect-构造一个矩形。
%
%版本1.0%％演示-NURBS演示%%nrbmak-从控制点和节点构建NURBS。
%nrbtform-使用缩放、平移或旋转操作符。
%nrbkntins-结插入/细化。
%nrbdegelev-度数提升。
%nrbderiv-导数的NURBS表示。
%nrbdeval-NURBS导数的评估。
%nrbkntmult-求结向量的多重性。
%nrbreverse-NURBS的反向评估方向。
%nrbtransp-交换NURBS曲面的U和V。
%nrbline-构建一条直线。
%nrbcirc-构造一个圆弧。
%nrbrect-构造一个矩形。
%
2020/3/14 9:03:41
36KB
1
包括数据统计分析，微分、偏微分方程建模、灰色零碎、模糊数学、存贮论、支持向量机等32中数学建模方法，选用实例含代码
2018/11/25 11:06:26
7.77MB
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