人脸识别技术可以应用于基于网络的身份认证，我们实现了基于WebCam的人脸识别与跟踪系统。本文以WebCam采集的视频流为数据源，截取视频流中的单帧图像，通过转换色彩空间、人脸肤色建模、后处理操作和人脸定位算法实现了人脸检测，并以此为基础实现了在视频流中对于人脸的跟踪。试验结果表明，我们所实现的人脸识别算法适用于近距离人脸的检测，可以应用于基于WebCam的身份认证。
上传时间： 2014-01-18
上传用户：kristycreasy
桃源网络硬盘.Net 5.2 (免费版)主要功能： 1.多用户注册各自使用，互不干予。 2.在自己的空间中上传多文件及大文件进行在线查看管理，可建多级目录存放。 3.文件目录多级共享，可共享整个用户空间。 4.树状显示系统功能和目录结构，操作方便。 5.界面模板和样式自定义并可由用户在前台选择喜爱的空间风格。 6.共享权限可设好友、所有人、指定人，并可指定共享类别、查看密码、列表修改删除下载等权限。 7.用户的共享目录和文件可自行设置外部空间处固顶和精华。 8.可以按名称、时间、大小、类型、注释、子目录等元素组合搜索文件。 9.文件和目录可进行压缩解压ZIP操作，可以批量上传及批量下载文件。
上传时间： 2014-12-20
上传用户：yph853211
本作品所设计之「龙之争霸」网络游戏仿效了「三国志」类型游戏的策略思考模式，它 包含了原「三国志」类型游戏中的许多元素，例如武将的加入、城镇的开发、以武将为主体 的思考层次等等。在本游戏中，三个领土主将为争夺全部城镇的控制权而战斗；为了实现即 时性游戏的特色：快速与直觉，特将若干三国志中所运用的策略予以省略或简化，而将重点 放在玩家调兵遣将的能力，以达到实时快速反应的目的；另外在设计上，亦留下许多空间供 设计者，依玩家需求的不同来作调整。
上传时间： 2013-12-10
上传用户：wl9454
高校数字化是一个目标 广泛流传着一个数字化校园的基本定义：以网络为基础，利用先进的信息手段和工具，将学校的各个方面，从环境（包括网络、设备、教室等）、资源（如图书、讲义、课件等）、到活动（包括教、学、管理、服务、办公等）数字化，逐步形成一个数字空间，从而使现实校园在时间和空间上获得延伸，在现实校园基础上形成一个虚拟校园。 总之，将高校各项工作全面数字化是数字化校园建设的最终目标。而各个不同的时期则应有经努力可以实现的阶段性目标。
上传时间： 2014-01-24
上传用户：songnanhua
T形桥接网络是一种常用的滤波网络中，用MatLab求其状态空间模型，画出该电路的零——极点图。
上传时间： 2014-01-18
上传用户：秦莞尔w
－－ －网络硬盘管理系统－－－－－ ASPX环境/.NET环境/+MSSQL/ 软件介绍： 主要功能： 1.多用户注册各自使用，互不干予。 2.在自己的空间中上传多文件及大文件进行在线查看管理，可建多级目录存放。 3.文件目录多级共享，可共享整个用户空间。 4.树状显示系统功能和目录结构，操作方便。
上传时间： 2013-11-30
上传用户：kikye
网络的出现使地球成为了真正意义上的“地球村”，有人称之为第四大媒体，通过该媒体人类能够在六维空间里同时应接八方、心游万仞
上传时间： 2013-12-23
上传用户：希酱大魔王
在网络异常检测中,为了提高对异常状态的检测率，降低对正常状态的误判率,本文提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。
上传时间： 2014-12-03
上传用户：liuchee
NETLINK是LINUX环境下一种新型的用户空间与内核空间的交互方法，示例代码给出了一个实例，将网络数据包以NETLINK的方式从内核空间发送至用户空间，再由用户空间返回。
上传时间： 2017-06-12
上传用户：gaome
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-11
上传用户：qingfengchizhu
