K均值算法：调用模糊聚类库函数kmeansPso粒子群聚类程序：没有最优解，多次迭代基于模拟退火的k均值聚类：可以有最优解基于pso的k均值算法：有最优解，根据适应度判断，适应度越小，分类效果越好
2024/6/19 14:18:26
12KB
1
FACEDETECTIONUSINGLOCALSMQTFEATURESANDSPLITUPSNOWCLASSIFIER论文文中提到的连续量化均值的MATLAB代码，假如有人有SNoW分类器的代码希望共享一下。
附件还包含SMQT的算法介绍论文。
附件还包含SMQT的算法介绍论文。
2024/6/17 20:10:16
1.54MB
1
c均值聚类的matlab程序，里面含有源程序，图片，算法介绍，还包括一份报告，详细介绍了算法的过程，希望读者都能看懂。
2024/6/17 5:25:36
1.58MB
1
用Matlab仿真实现最小二乘法和总体最小二乘法估计假设仿真的观测数据产生，其中为0均值，单位方差的高斯白噪声，取n=1,2,....128。
试用TLS，取AR阶数为4，估计AR参数和正弦波频率；
再用SVD-TLS，估计AR参数和正弦波频率。
(1)、在仿真中，AR阶数取为4和6。
(2)、执行SVD-TCS时，AR未知。
仿真运行至少二十次。
试用TLS，取AR阶数为4，估计AR参数和正弦波频率；
再用SVD-TLS，估计AR参数和正弦波频率。
(1)、在仿真中，AR阶数取为4和6。
(2)、执行SVD-TCS时，AR未知。
仿真运行至少二十次。
2024/6/10 20:52:44
1007B
1
含有中值滤波，均值滤波，高斯滤波，双边滤波，NLM算法，改进NLM算法，代码优化后的改进NLM，代码如有问题请及时联系。
2024/6/7 18:45:37
148KB
1
为研究正交偏振云气溶胶激光雷达（CALIOP）最新Version4（V4）版产品与Version3（V3）版产品全球大气气溶胶和云衰减后向散射特征的差异及其对以往研究可能造成的影响，利用2011年1、4、7、10月CALIOP这两个版本的数据，对20.2km海拔高度内全球范围云和气溶胶样本点的532nm总衰减后向散射、1064nm衰减后向散射、总衰减颜色比进行了概率分布统计,并对两个不同版本相应数据的相对偏差做出统计分析。
结果表明，云或气溶胶V4版与V3版散射数据的相对偏差趋于正值，夜间数据的变化比日间数据明显。
V4版与V3版云的日间532nm总衰减后向散射、1064nm衰减后向散射及总衰减颜色比的相对偏差均值分别为3.40%、4.66%和1.18%，而夜间的则分别为2.80%、8.00%和5.33%。
气溶胶的532nm总衰减后向散射、1064nm衰减后向散射及总衰减颜色比的相对偏差均值日间分别为1.14%、6.94%和5.62%，夜间分别为3.33%、10.92%和7.64%。
结果表明，云或气溶胶V4版与V3版散射数据的相对偏差趋于正值，夜间数据的变化比日间数据明显。
V4版与V3版云的日间532nm总衰减后向散射、1064nm衰减后向散射及总衰减颜色比的相对偏差均值分别为3.40%、4.66%和1.18%，而夜间的则分别为2.80%、8.00%和5.33%。
气溶胶的532nm总衰减后向散射、1064nm衰减后向散射及总衰减颜色比的相对偏差均值日间分别为1.14%、6.94%和5.62%，夜间分别为3.33%、10.92%和7.64%。
2024/5/31 9:35:38
7.41MB
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