为解决复杂曲面点云在平滑去噪中存在的问题，提出基于曲率信息混合分类的特征保持点云精细算法。
该方法将平面投影与离散算法相结合，采用主成分分析法对点云的局部曲率特性进行评估，使用线性组合混合分类方法将数据分为平面，次特征，富特征类型以及组合类型。
针对不同特征邻域类型，提出平面类型的投影平滑方法，次特征和富特征类型的可变参数校正法平滑方法的线性组合方法实现点云数据的平滑去噪。
转换方法用于激光三维扫描人体扫描系统所获得的高密度点云数据，实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征，并简化了法向调整的繁杂运算。
该方法将平面投影与离散算法相结合，采用主成分分析法对点云的局部曲率特性进行评估，使用线性组合混合分类方法将数据分为平面，次特征，富特征类型以及组合类型。
针对不同特征邻域类型，提出平面类型的投影平滑方法，次特征和富特征类型的可变参数校正法平滑方法的线性组合方法实现点云数据的平滑去噪。
转换方法用于激光三维扫描人体扫描系统所获得的高密度点云数据，实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征，并简化了法向调整的繁杂运算。
2025/8/22 22:16:08
1.53MB
1
针对高光谱图像空间分辨率不足导致异常检测虚警率过高的问题，提出了一种利用主成分分析（PCA）和IHS变换融合以降低虚警率的算法。
首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；
然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；
再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；
最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。
实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。
首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；
然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；
再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；
最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。
实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。
2025/8/15 1:14:24
814KB
1
matlab基于BP神经网络的人脸识别，包含matlab代码及所需要的ORL人脸库，采用了主成分分析法进行特征提取，取得不错的效果。
2025/8/8 8:52:04
6.19MB
1
函数型数据分析的全部代码和数据以及参考文献，全部是本人亲自收集和处理的，共300多M，相关介绍详见我的博文https://blog.csdn.net/lusongno1/article/details/89305520#comments_14878182。
2025/7/15 13:11:45
377.11MB
1
识别率的提升是图像处理技术的关键环节，笔者针对第二代曲波变换算法在图像识别处理过程中，所存在的图像边缘“振铃”效应和由于“楔形基”的特性所导致的图像失真问题，提出了第二代曲波加权改进算法及对图像识别的实现过程，并且分别通过ORL和Yale图像进行了对比仿真实验，证明了较传统的小波加权双向二维主成分分析算法在对识别中有明显的提高，从而验证了该算法在图像识别处理上的可行性和有效性。
2025/6/14 3:14:26
758KB
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