搜索结果
找到约 8,290 项符合
点矩阵 的查询结果
按分类筛选
- 全部分类
- 数学计算 (19)
- 技术资料 (17)
- 数据结构 (12)
- VIP专区 (7)
- matlab例程 (6)
- 学术论文 (5)
- 单片机编程 (5)
- 其他 (5)
- 人工智能/神经网络 (4)
- 单片机开发 (3)
- 手册 (3)
- 测试测量 (2)
- 数据库系统 (2)
- 数值算法/人工智能 (2)
- 并行计算 (2)
- 其他 (2)
- 数字处理及显示 (1)
- 技术教程 (1)
- 技术书籍 (1)
- autocad教程 (1)
- 通信网络 (1)
- C/C++语言编程 (1)
- 可编程逻辑 (1)
- Java编程 (1)
- 网络 (1)
- 中间件编程 (1)
- 压缩解压 (1)
- 文件格式 (1)
- 邮电通讯系统 (1)
- VC书籍 (1)
- 技术管理 (1)
- 通讯编程文档 (1)
- Linux/Unix编程 (1)
- 电子书籍 (1)
- Linux/uClinux/Unix编程 (1)
- Matlab (1)
- 书籍 (1)
- 经验 (1)
数据结构 可以求一个矩阵的鞍点(即该矩阵的行最大点
可以求一个矩阵的鞍点(即该矩阵的行最大点,列的最小点)
网络 设 计未知表格行数 -未知表格列数 -系数矩阵 -常数数组 -表格间距 -边界点 值 -边界点 值 -边界点 值 -未知点处 值数组 所有点处 X方向正应一个解决一般弹性力学应力问题的程序
设
计未知表格行数 -未知表格列数 -系数矩阵 -常数数组 -表格间距 -边界点 值 -边界点 值 -边界点 值 -未知点处 值数组 所有点处 X方向正应一个解决一般弹性力学应力问题的程序
其他 矩阵中的每一个元素称为像元、像素或图像元素。而g(i, j)代表(i, j)点的灰度值
矩阵中的每一个元素称为像元、像素或图像元素。而g(i, j)代表(i, j)点的灰度值,即亮度值。
由于g (i, j)代表该点图像的光强度(亮度),而光是能量的一种形式,故g (i, j)必须大于零,且为有限值,即: 0<=g (i, j)<2n。
用g (i, j)的数值来表示(i, j)位置点上灰度级值的大小,即只反映了黑白灰度的关系。
数字化采样一 ...
中间件编程 在2维矩阵中通过随机抽样选定占据的格点
在2维矩阵中通过随机抽样选定占据的格点,再将占据的格点标号,相邻的格点为同一标号
数学计算 矩阵类:可运行矩阵间的加、减、乘以及矩阵与数的点乘;可计算矩阵的转置、秩、行列式、逆;其中求解矩阵逆用到了经典的高斯算法;求解行列式以及秩运用的是消元法。
矩阵类:可运行矩阵间的加、减、乘以及矩阵与数的点乘;可计算矩阵的转置、秩、行列式、逆;其中求解矩阵逆用到了经典的高斯算法;求解行列式以及秩运用的是消元法。
数学计算 Ex8-4 汇点问题 « 问题描述: 采用邻接矩阵表示一个具有n 个顶点的图时
Ex8-4 汇点问题
&laquo 问题描述:
采用邻接矩阵表示一个具有n 个顶点的图时,大多数关于图的算法时间复杂性为
O(n2 ),但也有例外。例如,即使采用邻接矩阵表示一个有向图G,确定G 是否含有一个
汇(即入度为n-1,出度为0 的顶点),只需要O(n)计算时间。试写出其算法。
&laquo 编程任务:
对于给定的有n个顶点的图G 的邻 ...
技术管理 通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先 将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点 算
通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先
将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点
算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差
和对极距离都小于其他 ...
matlab例程 GPS TOOLBOX包含以下内容: 1、GPS相关常量和转换因子; 2、角度变换; 3、坐标系转换:  点变换;  矩阵变换;  向量变换
GPS TOOLBOX包含以下内容:
1、GPS相关常量和转换因子;
2、角度变换;
3、坐标系转换:
&#61656 点变换;
&#61656 矩阵变换;
&#61656 向量变换;
4、专用测绘程序;
5、专用统计函数;
6、GPS时间工具;
7、专用GPS数据处理函数;
8、航迹和相关工具;
9、卫星位置计算;
10、高度和方位角判定,以及卫星可见性;
11、 ...
人工智能/神经网络 AP是在数据点的相似度矩阵的基础上进行聚类.对于规模很大的数据集,AP算法是一种快速、有效的聚类方法,这是其他传统的聚类算法所不能及的,
AP是在数据点的相似度矩阵的基础上进行聚类.对于规模很大的数据集,AP算法是一种快速、有效的聚类方法,这是其他传统的聚类算法所不能及的,