基于dsp的目标跟踪和检测算法的研究和实现，研究了图像跟踪系统的基本工作原理，以及图像跟踪和相关匹配所使用的一些基本技术。详细介绍了SUSAN算子在边缘检测和角点检测方面的应用。并基于SSCD相似性度量准则提出了一个新的加权的SSCD准则，并对几种度量准则进行对比分析，最后在选取模板和模板更新上选用了多子模板的策略，这样能更有效的减小部分遮挡和旋转带来的影响。
上传时间： 2014-01-02
上传用户：zq70996813
算法描述： K均值算法： 给定类的个数K，将N个对象分到K个类中去， 使得类内对象之间的相似性最大，而类之间的相似性最小。
上传时间： 2014-01-02
上传用户：TRIFCT
c语言的k均值聚类算法。给定类的个数K，将N个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小的算法。
上传时间： 2014-01-20
上传用户：woshiayin
用java写的DTW程序组合，可用于进行动态弯曲路径的计算和时间序列相似性比较
上传时间： 2013-12-16
上传用户：hfmm633
一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图 像边缘,通过计算边缘匹配率( edge matching rate, EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造 相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图 像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。
标签： Hausdorff matching edge rate
上传时间： 2017-01-27
上传用户：z1191176801
孙即祥，现代模式识别，第2.4.2节关于相似性阈值聚类仿真实验。
标签：
上传时间： 2017-04-09
上传用户：asdfasdfd
K均值算法： 给定类的个数K，将N个对象分到K个类中去， 使得类内对象之间的相似性最大，而类之间的相似性最小
标签： K均值算法
上传时间： 2014-01-05
上传用户：wangyi39
abstract class和interface是Java语言中对于抽象类定义进行支持的两种机制，正是由于这两种机制的存在，才赋予了Java强大的面向对象能力。abstract class和interface之间在对于抽象类定义的支持方面具有很大的相似性，甚至可以相互替换，因此很多开发者在进行抽象类定义时对于abstract class和interface的选择显得比较随意。其实，两者之间还是有很大的区别的，对于它们的选择甚至反映出对于问题领域本质的理解、对于设计意图的理解是否正确、合理。本文将对它们之间的区别进行一番剖析，试图给开发者提供一个在二者之间进行选择的依据。
标签： interface abstract class Java
上传时间： 2014-12-01
上传用户：refent
MEMS中的封装工艺与半导体工艺中的封装具有一定的相似性!因此!早期MEMS的封装 大多借用半导体中现成的工艺%本文首先介绍了封装的主要形式!然后着重阐述了晶圆级封装与芯片级封装&!’%最后给出了一些商业化的实例%
上传时间： 2016-07-26
上传用户：leishenzhichui
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
