多元时间序列的因果关系分析是数据挖掘领域的研究热点.时间序列数据包含着与时间动态有关的、未知的、有价值的信息,因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预,具有重要的现实意义.
2024/10/8 3:26:58
821KB
来自连接https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip我解压后重新打包了文件，有需要的可以下载
2024/10/7 13:43:35
47.59MB
KAREL是一种与Pascal非常相似的低级语言。
它具有强类型变量，常量，自定义类型，过程，函数，并且可以访问您可能无法使用TP的各种有用的内置函数。
KAREL是一种编译语言; 源必须从KAREL源文件（.KL）转换为p-code（.PC），然后才能在控制器上加载和执行。
一旦您的KAREL程序加载到控制器上，它就像一个黑匣子 ; 您不能像TP程序一样看到源代码或步骤。
作为R-30iB控制器，您的机器人必须具有KAREL软件选项才能加载您自己的自定义KAREL程序。
它具有强类型变量，常量，自定义类型，过程，函数，并且可以访问您可能无法使用TP的各种有用的内置函数。
KAREL是一种编译语言; 源必须从KAREL源文件（.KL）转换为p-code（.PC），然后才能在控制器上加载和执行。
一旦您的KAREL程序加载到控制器上，它就像一个黑匣子 ; 您不能像TP程序一样看到源代码或步骤。
作为R-30iB控制器，您的机器人必须具有KAREL软件选项才能加载您自己的自定义KAREL程序。
2024/10/7 8:04:22
6.11MB
Jimp图像处理库编译好的js文件，包括jimp.js、jimp.min.js文件，可用于前端和node后端。
另附前端demo运行。
另附前端demo运行。
2024/10/7 8:14:47
518KB
我们的脸部数据库（以前的'ORL脸部数据库'）包含一组1992年4月至1994年4月在实验室拍摄的脸部图像。
该数据库用于与剑桥大学工程部言语，视觉和机器人小组合作开展的面部识别项目。
每个40个不同的主题有10个不同的图像。
对于某些科目，图像是在不同的时间拍摄的，改变了照明，面部表情（开放/闭眼，微笑/不微笑）和面部细节（眼镜/没有眼镜）。
所有图像都是在黑暗的均匀背景下拍摄的，拍摄对象处于直立的正面位置（对某些侧面运动具有宽容度）。
可以使用面部数据库的预览图像。
这些文件采用PGM格式，可以使用'xv'程序方便地在UNIX（TM）系统上查看。
每幅图像的大小为92×112像素，每像素有256个灰度级。
这些图像被组织在40个目录中（每个主题一个），它们具有表单的名称sX，其中X表示主题编号（介于1和40之间）。
在这些目录的每一个中，该主题有十个不同的图像，其具有该形式的名称Y.pgm，其中Y该主题的图像编号（在1和10之间）。
该数据库用于与剑桥大学工程部言语，视觉和机器人小组合作开展的面部识别项目。
每个40个不同的主题有10个不同的图像。
对于某些科目，图像是在不同的时间拍摄的，改变了照明，面部表情（开放/闭眼，微笑/不微笑）和面部细节（眼镜/没有眼镜）。
所有图像都是在黑暗的均匀背景下拍摄的，拍摄对象处于直立的正面位置（对某些侧面运动具有宽容度）。
可以使用面部数据库的预览图像。
这些文件采用PGM格式，可以使用'xv'程序方便地在UNIX（TM）系统上查看。
每幅图像的大小为92×112像素，每像素有256个灰度级。
这些图像被组织在40个目录中（每个主题一个），它们具有表单的名称sX，其中X表示主题编号（介于1和40之间）。
在这些目录的每一个中，该主题有十个不同的图像，其具有该形式的名称Y.pgm，其中Y该主题的图像编号（在1和10之间）。
2024/10/7 8:38:16
3.62MB
亲测可用！！！！自己编译的opencv4.4.0包含可扩展库contrib和eigen库并且debug和release下都可用！已勾选OPENCV_ENABLE_NONFREE，可以使用SURF等收费的算法（好像非商业是可以免费使用）。
2024/10/6 14:48:42
75.54MB
小波分析是一个比较难的分支，用户采用小波变换，可以实现图像压缩，振动信号的分解与重构等，因此在实际工程上应用较广泛。
小波分析与Fourier变换相比，小波变换是空间域和频率域的局部变换，因而能有效地从信号中提取信息。
小波变换通过伸缩和平移等基本运算，实现对信号的多尺度分解与重构，从而很大程度上解决了Fourier变换带来的很多难题。
小波分析作一个新的数学分支，它是泛函分析、Fourier分析、数值分析的完美结晶；
小波分析也是一种“时间—尺度”分析和多分辨分析的新技术，它在信号分析、语音合成、图像压缩与识别、大气与海洋波分析等方面的研究，都有广泛的应用。
小波分析与Fourier变换相比，小波变换是空间域和频率域的局部变换，因而能有效地从信号中提取信息。
小波变换通过伸缩和平移等基本运算，实现对信号的多尺度分解与重构，从而很大程度上解决了Fourier变换带来的很多难题。
小波分析作一个新的数学分支，它是泛函分析、Fourier分析、数值分析的完美结晶；
小波分析也是一种“时间—尺度”分析和多分辨分析的新技术，它在信号分析、语音合成、图像压缩与识别、大气与海洋波分析等方面的研究，都有广泛的应用。
2024/10/6 7:01:42
1KB