针对于扩展卡尔曼滤波(EKF)以及无迹卡尔曼滤波(UKF)等高动态信号载波跟踪算法存在跟踪精度不高的下场,付与无迹粒子滤波(UPF)算法对于高动态北斗卫星信号载波举行跟踪。
UPF算法松散粒子滤波(PF)以及无迹卡尔曼滤波,付与PF对于载波外形变量举行估量,同时使用UKF滤波器对于粒子举行权值的重新调配,处置了粒子进化下场。
经由Matlab仿真比力,基于EKF、UKF、UPF的跟踪算法的载波频率倾向距离为-15~1五、-10~十、-4~4Hz,验证了UPF算法的良好性。
1
第一篇 底子学识第1章 图像/视频底子学识第2章 图像缩放第3章 图像品质增强底子本领第4章 超分说率规复本领第二篇 基于重修的超分说率规复第5章 基于重修的图像超分说率规复本领概述第6章 凸集投影以及最大后验概率估量第7章 基于mrf模子的map图像超分说率规复第8章 基于梯度矢量流解放的图像超分说率规复第9章 基于货物的监控视频超分说率规复第10章 基于权值矩阵的超分说率盲规复第11章 基于小波变更域的超分说率规复第12章 基于单帧高分说率图像的视频序列超分说率规复第三篇 基于学习的超分说率规复第13章 基于学习的超分说率规复本领概述第14章 基于示例学习的超分说率规复算法第15章 基于多类料想器学习的超分说率规复第16章 基于学习的人脸图像超分说率规复第四篇 高动态规模展现第17章 高动态规模图像可视化本领概述第18章 基于自顺应细节增强的高动态规模图像可视化第五篇 超分说率规复本领的阻滞趋向第19章 超分说率规复本领的阻滞趋向
2023/5/3 9:58:06 38.89MB 图像 视频 超分辨率复原
1
[alphabet,targets]=prprob;%CharacterrecognitionproblemdefinitionS1=10;%定义隐层神经元数目[R,Q]=size(alphabet);%患上到输入变量数[S2,Q]=size(targets);%患上到输入变量数P=alphabet;%P为输入矩阵net=newff(minmax(P),[S1S2],{'logsig''logsig'},'traingdx');%天生BP收集net.LW{2,1}=net.LW{2,1}*0.01;%调解输入层权值net.b{2}=net.b{2}*0.01;
2023/5/3 6:25:27 2KB A2 sim net
1
题目申请:建树通讯收集在n个都市建树通讯收集,惟独架设n-1条路线就可。
方案算法,求出假如以最低的经济价钱建树这个通讯收集。
申请如下:(1)起码搜罗10个都市;
(2)都市数n由键盘录入;
(3)都市坐标由随机函数暴发小于100的整数;
(4)输入天生树中各条边以及它们的权值
2023/4/29 1:23:25 106KB 数据结构
1
字符串处置上:lcs(最长人民子序列),kmp(字符串匹配算法),繁杂题方案脑子+评释,类的配置,数据封装,多重嵌套解法。
图论算法上(目前涌现过的):配置高效的毗邻表,dfs是底子,bfs(最优/短下场且各边权值为1),djs+Floyd(最短路途下场),欧拉通路/回路分辨,树的直径下场,tarjan(强联通份量下场),并查集(分辨能否连通),prim+kruskal(最小天生树下场),拓扑排序、动态方案底子没若何样涌现过。
2023/4/28 13:30:51 20KB CCF
1
粒子群优化BP神经收集的权值以及阈值,内含详尽的代码阐发,便捷巨匠浏览
2023/4/28 12:14:37 1.63MB 粒子群算法 BP神经网络
1
本法度圭表标准的底子数据结构是string尺度的数组,用于贮存松散的子集,而子群集的元素的毗邻点与权值都在edge结构体数组中存储。
把一个DFA的外形分成一些不相交的子集,使患上任何不合的两子集的外形都是可差距的,而对于立子群集的任何两个外形都是等价的.算法假如每一个外形射出的弧都是残缺的,不然,引入一个新外形,叫去世外形,该外形玄色终态,将不残缺的输入弧都射向该外形,对于齐全输入,该外形射出的弧还回到自己。
1.结构外形的一初始松散:终态kt以及非终态K-kt两组(group)2.对于∏施用进程PP结构新松散∏new3.如∏new=∏,则令∏final=∏并络续步骤4,不然∏:=∏new重复2.4.为∏final中的每一组选一代表,这些代表组成M’的外形。
若k是一代表且f(k,a)=t,令r是t组的代表,则M’中有一转换f’(k,a)=rM’的末了外形是含有S0的那组的代表M’的终态是含有F的那组的代表5.去掉M’中的去世外形.输入文本花色子外形例:0a11a22a22d31d33d33a2#1230ad
2023/4/20 18:52:16 81KB DFA 编译原理 最小化
1
方案一个哈夫曼编码/译码体系,对于字符串举行编码以及译码底子申请:⚫从文件中读取一篇英文文档(文本文件1),统计文档中各个字符涌现的次数;
⚫以各个字符涌现的次数(或者概率)为叶子结点的权值结构一棵哈夫曼树,并为每一个叶子结点结构哈夫曼编码;
⚫输入每一个叶子结点的哈夫曼编码;
⚫盘算并输入字符的平均编码长度(准确到小数点后两位)。
⚫将该英文文档内容转换成对于应的电文编码,并留存在一个文本文件2中。
⚫将上一步患上到的文件中的电文编码,复原为原有的英文内容,并再留存在一个文本文件3中;
⚫比力文件1以及文件2能否残缺不并吞输入。
2023/4/20 6:58:35 96KB 数据结构 C C++
1
能量的特色,使用能量系数作为权值,举行加权最小二乘算法,定位目的的位置,普及定位准确性
2023/3/22 20:20:12 221KB 加权最小二乘
1
一个残缺的体系应具备如下成果:(1)I:初始化(Initialization)。
从终端读入字符集大小n,以及n个字符以及n个权值,建树哈夫曼树,并将它存于文件hfmTree中。
(2)E:编码(Encoding)。
行使已经建好的哈夫曼树(如不在内存,则从文件htmTree中读入),对于文件ToBeTran中的评释举行编码,而后将下场存入文件CodeFile中。
(3)D:译码(Decoding)。
行使已经建好的哈夫曼树将文件CodeFile中的代码举行译码,下场存入文件TextFile中。
(4)P:印代码文件(Print)。
将文件CodeFile以松散格式表普通终端上,每一行50个代码。
同时将此字符方式的编码写入文件CodePrint中。
(5)T:印哈夫曼树(TreePrinting)。
将已经在内存中的哈夫曼树以直不雅的方式(树或者凹入表方式)表普通终端上,同时将此字符方式的哈夫曼树写入文件TreePrint中。
2023/3/22 2:43:50 208KB 哈夫曼编译码
1
共 133 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡