针对当前模糊隶属函数构造方法中存在的问题，提出一种构造模糊隶属函数方法．采用最小二乘法拟合离散数据来获得隶属函数．为减小拟合误差，采用了3项措施以达到预期目标．所构建的隶属函数，对任意输入物理量可直接得到其对应模糊语言变量的隶属度，从而有效避免专家指定隶属度的主观臆断性及不一致性．该方法简单、求解精度高，具有广泛适用性和较强的应用价值．仿真结果证实了该方法的有效性．
2025/6/17 0:17:57
333KB
1
使用easyfit软件对降水数据计算重现期，软件包括一百多种函数，不同的函数拟合效果各有优劣，软件可以实现最佳函数拟合，以求达到最好的拟合效果
2025/6/16 6:39:04
66KB
1
针对复杂运动背景中慢速小目标检测误检率高，实时性差等问题，提出了基于自适应阈值分割的慢速小目标检测算法。
首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。
然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。
最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。
实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。
首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。
然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。
最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。
实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。
2025/6/11 7:02:40
1.65MB
1
1.使用Python实现基本的决策树算法；
2.主要使用pandas的DataFrame实现；
3.为防止过度拟合，在小于20个记录时，直接选取记录中最多类别；
3.没有画决策树图
2.主要使用pandas的DataFrame实现；
3.为防止过度拟合，在小于20个记录时，直接选取记录中最多类别；
3.没有画决策树图
2025/6/8 7:10:33
2KB
1
1stOpt最全中文教程，1stOpt内含多种优化算法，并带有全局优化算法，速度较一般算法具有质的飞跃，对于科研中的数据拟合等研究领域具有重要的应用；
此中文教程全面，详细，是一份不可多得的好资料
此中文教程全面，详细，是一份不可多得的好资料
2025/6/2 10:53:10
2.05MB
1
AutoCAD样条曲线偏移后节点太多，不便编辑，这个程序可以让样条曲线按节点偏移，偏移后的样条曲线的节点跟源样条曲线一样多，如果对精度要求不高，可以用这个程序来代替AutoCAD原来的偏移命令，本程序只对有拟合点的样条曲线有效。
2025/5/30 22:44:02
2KB
1
Prony算法谐波分析matlab函数,已测试无误，程序使用方法及定义：function[jx,SNR,result]=myprony(x,p,dt)%实现《电网谐波与间谐波检测的分段Prony算法》郭成1%实现《现代信号处理》张贤达P122-124%实现《Prony算法在谐波、间谐波参数辨识中的应用》式（12）杨玉坤%intputx:原始数据%intputp:prony模型阶数%intputdt:采样间隔%outputjx:拟合数据%outputAm：振幅%outputQm：相位%outputam：衰减因子%outputfm：振荡频率%outputresult=[Am,Qm,am,fm]……
2025/5/26 1:30:22
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