给定整数i的f变换和g变换分别为f(i)=3*i;g(i)=└i/2┘；
└┘表示向下取整。
现在给定n，m，即通过f和g变换把n变为m，求所需变换最小的次数。
└┘表示向下取整。
现在给定n，m，即通过f和g变换把n变为m，求所需变换最小的次数。
2024/2/18 18:30:16
626B
1
对传统的GA结构加以改进，利用一种改良的OX交叉算子加快算法的收敛速度，利用变换变异算子维持群体的多样性防止算法早熟收敛，访真试验结果验证了算法的有效性
2024/2/17 23:36:58
252KB
1
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
基于MSP430的FFT算法源码之前由于工作需要，在MSP430F169和IAREW430v3.42环境下做了整型数的FFT算法，主要是为了追求快速计算，但实际实验中发现定点数算法在小信号的时候精度损失比较大，所以最近又重新作了单精度浮点数的FFT算法，同样只针对实数序列。
经实验发现，MSP430的浮点数计算并没有想象中的那么慢，完成一次128点的FFT序列变换，大概需要130ms左右（8MHz主频），下面是我的源代码：
经实验发现，MSP430的浮点数计算并没有想象中的那么慢，完成一次128点的FFT序列变换，大概需要130ms左右（8MHz主频），下面是我的源代码：
2024/2/16 15:05:51
2KB
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