目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。
2024/3/11 5:24:12
3.58MB
1
本文提出了一种三值重力搜索算法（TGSA），以解决图形的平面化问题。
问题（GPP）。
GPP是图论中最重要的任务之一，被证明是一个NP难题。
为了解决这个问题，TGSA使用三值编码方案，并根据众所周知的单行路由表示方法将搜索空间定量建模为三角超立方体。
TGSA中的相互作用由引力定律驱动，它们逐渐向全局最佳位置移动。
每个代理的位置更新规则基于两个指标：一个是速度指标，它是代理当前速度的函数，另一个是基于整个人口中的累积信息的人口指标。
为了验证算法的性能，测试了21个基准实例。
实验结果表明，TGSA可以通过找到最大平面子图并将生成的边同时嵌入到平面中来求解GPP。
与传统算法相比，TGSA的新颖之处在于它可以为GPP找到多个最佳解决方案。
比较结果还表明，在合理的计算时间内，TGSA在解决方案质量方面优于传统的元启发式方法。
问题（GPP）。
GPP是图论中最重要的任务之一，被证明是一个NP难题。
为了解决这个问题，TGSA使用三值编码方案，并根据众所周知的单行路由表示方法将搜索空间定量建模为三角超立方体。
TGSA中的相互作用由引力定律驱动，它们逐渐向全局最佳位置移动。
每个代理的位置更新规则基于两个指标：一个是速度指标，它是代理当前速度的函数，另一个是基于整个人口中的累积信息的人口指标。
为了验证算法的性能，测试了21个基准实例。
实验结果表明，TGSA可以通过找到最大平面子图并将生成的边同时嵌入到平面中来求解GPP。
与传统算法相比，TGSA的新颖之处在于它可以为GPP找到多个最佳解决方案。
比较结果还表明，在合理的计算时间内，TGSA在解决方案质量方面优于传统的元启发式方法。
2024/2/27 0:35:27
402KB
1
该代码是matlab代码，描述图像的泊松融合算法，该融合算法在一般情况下优于拉普拉斯融合，是目前传统算法中，通用的较好的融合算法
2024/1/30 19:28:38
132KB
1
高光谱的端元提取总结，很好。
近年来，通过群智能算法求解组合优化或连续优化问题以实现高光谱图像混合像元分解方面取得了重要进展和显著成果．本文首先回顾了高光谱图像混合像元分解的研究背景和群智能算法的特点，然后梳理了光谱混合模型及对应的最优化模型，进而介绍了基于群智能算法的端元提取和丰度反演方法，最后通过2组实验比较了群智能算法和其他传统算法在端元提取和丰度反演方面的精度，对基于群智能算法的混合像元分解效果进行了评价．另外，本文也对群智能算法在高光谱图像信息提取中应用的优势和存在的问题进行了总结．
近年来，通过群智能算法求解组合优化或连续优化问题以实现高光谱图像混合像元分解方面取得了重要进展和显著成果．本文首先回顾了高光谱图像混合像元分解的研究背景和群智能算法的特点，然后梳理了光谱混合模型及对应的最优化模型，进而介绍了基于群智能算法的端元提取和丰度反演方法，最后通过2组实验比较了群智能算法和其他传统算法在端元提取和丰度反演方面的精度，对基于群智能算法的混合像元分解效果进行了评价．另外，本文也对群智能算法在高光谱图像信息提取中应用的优势和存在的问题进行了总结．
2023/11/27 18:06:48
9.66MB
1
目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测，技术本文总结了近十年来的深度学习目标检测算法
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测，技术本文总结了近十年来的深度学习目标检测算法
2023/7/11 4:48:13
6.09MB
1
针对分布式电源的大量应用与配电网结构的扩大，使故障定位开关函数的建立愈加复杂，传统算法的搜索速度与准确性亟待提高。
通过建立改进的开关函数模型，能够满足目前分布式电源广泛接入的现状，处理多DG、多故障的定位要求。
通过配电网结构划分降维策略进一步增加了算法的计算速度，建立改进的评价函数，防止故障定位误判。
介绍了蝙蝠算法求解配电网故障定位的具体步骤。
通过算例进行仿真对比表明，蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有愈加快速、准确的全局寻优能力。
通过建立改进的开关函数模型，能够满足目前分布式电源广泛接入的现状，处理多DG、多故障的定位要求。
通过配电网结构划分降维策略进一步增加了算法的计算速度，建立改进的评价函数，防止故障定位误判。
介绍了蝙蝠算法求解配电网故障定位的具体步骤。
通过算例进行仿真对比表明，蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有愈加快速、准确的全局寻优能力。
2023/3/7 10:32:24
586KB
1
（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。
2022/9/30 16:31:44
29.75MB
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