matlab解线性方程组的源代码 function x=nagauss2(a,b,flag) ％ 用途：选列主元Gauss消去法解线性方程组ax=b ％ 格式：x=nagauss2(a,b,flag) a为系数矩阵，b为右端列向量，flag若为0，则显示中间过程
标签： nagauss function matlab Gauss
上传时间： 2013-12-22
上传用户：exxxds
Delphi2005 B/S程序设计技巧集（34--36） 现在delphi 2005 B/S的书籍资料太少，几乎没有可参考的资料，这在一定程度上限制了delphi 2005的使用，相反C#，ASP的书籍资料到处都是。通过几个月的学习也算是总结了一点经验，从现在起我将陆续将ASP和C#的例子、技巧翻译到delphi 2005下面，希望对大家的学习和工作有帮助，毕竟.Net是一种发展趋势。我将不定期写新的内容，同时，如果你在工作或学习中有什么问题，我也会将问题加入本篇文章，另外，一个人的能力毕竟有限，也希望大家共同来解决问题。 宋雨炫
上传时间： 2014-06-15
上传用户：netwolf
剖析Intel IA32 架构下C 语言及CPU 浮点数机制 Version 0.01 哈尔滨工业大学 谢煜波 （email: xieyubo@126.com 网址:http://purec.binghua.com） （QQ:13916830 哈工大紫丁香BBSID:iamxiaohan） 前言 这两天翻看一本C 语言书的时候，发现上面有一段这样写到 例：将同一实型数分别赋值给单精度实型和双精度实型，然后打印输出。 #include <stdio.h> main() { float a double b a = 123456.789e4 b = 123456.789e4 printf(“％f\n％f\n”,a,b) } 运行结果如下：
标签： Version xieyubo Intel email
上传时间： 2013-12-25
上传用户：徐孺
车牌定位－－－VC++源代码程序 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2013-11-26
上传用户：懒龙1988
inside the c++ object model.深入c++对象模型。鼎鼎大名的Stanley B. Lippman 写的。搞c++编程的能不看吗？
上传时间： 2013-12-22
上传用户：佳期如梦
可以满足一般的b/s数据录入功能，ajax构建的
标签： 数据
上传时间： 2015-07-22
上传用户：lanwei
s平面中直接形式到级联形式的转换 ％适合模拟滤波器的 ％C为增益系数 ％B为包含各bk的K乘3维实系数矩阵 ％A为包含各ak的K乘3维实系数矩阵 ％b为直接形式的分子多项式系数 ％a为直接形式的分母多项式系数
上传时间： 2015-07-22
上传用户：sdq_123
四柱汉诺塔问题的求解程序.解题思路:如a,b,c,d四柱. 要把a柱第n个盘移到目标柱子(d柱),先把上层 分两为两部份,上半部份移到b柱,下半部分移到c柱,再把第n盘移到 目标柱子,然后,c柱盘子再移到目标柱子,再把b柱盘子移到目标柱子. 细节地方: 上半部份移到b柱时,它的中间变量柱子是有二选一的.而下半部分 移到c柱时,它的中间变量柱子只有一个(因为一个柱子已被上半部份 占了).b,c也移到目标柱子时同理。
上传时间： 2013-12-22
上传用户：aeiouetla
BackProp算法：经典的B-P算法.
上传时间： 2014-11-22
上传用户：xc216
1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2014-01-08
上传用户：songrui
