注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Matlab6.5 图象增强M文件

  2. M文件包括空间域,频域的一些实现方式。有高低通的巴特沃兹，直方图均衡和规范化，多种中值滤波和梯度方式

  3. 所属分类：其它

  1. 数字图像处理----空间滤波----非线性滤波----梯度边缘增强----Delphi源代码

  2. 数字图像处理----空间滤波----非线性滤波----梯度边缘增强----Delphi源代码都是自己多年的珍藏了，是自己独立写的。不是抄的哦。

  3. 所属分类：Delphi

    • 发布日期：2007-11-05
    • 文件大小：978kb
    • 提供者：cust_hf

  1. 图像增强，很有用哦！

  2. 关于图像增强的m源程序 比如： [I,map]=imread('3-22.jpg'); imshow(I,map); I=double(I); [Gx,Gy]=gradient(I); % 计算梯度 G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘 J1=G; figure,imshow(J1,map); % 第一种图像增强 J2=I; % 第二种图像增强 K=find(G>=7); J2(K)=G(K); figure,imshow(J2,map); J3=I; % 第

  3. 所属分类：其它

    • 发布日期：2010-05-17
    • 文件大小：10kb
    • 提供者：fy880501

  1. 数字图像增强技术及其在VC + + 6. 0 下的实现

  2. 论述了数字图像增强技术中涉及到的图像平滑、中值滤波、梯度锐化和拉普拉斯锐化等基本算法及其在 Visual C + + 6. 0 下的具体实现,同时,还分别给出一幅标准的数字图像在各种处理前与处理后的对照图像。

  3. 所属分类：C++

    • 发布日期：2010-06-03
    • 文件大小：410kb
    • 提供者：mxm2010

  1. 运用5种不同的梯度增强法进行图像锐化MATLAB代码

  2. 运用5种不同的梯度增强法 进行图像锐化 MATLAB源代码

  3. 所属分类：其它

    • 发布日期：2010-06-09
    • 文件大小：548byte
    • 提供者：xiaowshy

  1. 用VC++实现图像增强

  2. 用VC++实现图像增强，包括图像平滑、中值滤波、梯度锐化、拉普拉斯锐化、伪彩色编码等，很实用

  3. 所属分类：C/C++

    • 发布日期：2011-12-07
    • 文件大小：5mb
    • 提供者：leini20080616

  1. 5种不同的梯度增强法进行图像锐化.rar

  2. 5种不同的梯度增强法进行图像锐化,

  3. 所属分类：其它

    • 发布日期：2008-06-11
    • 文件大小：4kb
    • 提供者：huashenghua

  1. 梯度图像增强

  2. 在梯度域的图像直方图增强，本文主要是灰度图像的代码

  3. 所属分类：教育

    • 发布日期：2013-03-18
    • 文件大小：2kb
    • 提供者：langzi329

  1. 数字图像处理技术：图像增强和代数运算（MFC实现）

  2. 1、实现基本的图象增强方法。 2、实现空域滤波的平滑算法。 3、实现图像梯度锐化方法。 4、实现图像间的代数运算

  3. 所属分类：C/C++

    • 发布日期：2013-12-06
    • 文件大小：4mb
    • 提供者：angel11796

  1. 重型双重Higgs的LHC信号作为暗物质门户：基于剪切的方法以及梯度增强和神经网络的改进

  2. 尽管125-GeV标量（作为标准模型的希格斯玻色子）由于直接搜索和对文物密度的观察而被视为暗物质门户，但扩展的电弱扇区中较重的标量可能适合该角色。 我们在两个希格斯双峰模型（2HDM）的背景下探索这种可能性。 以I型和II型2HDM为例，并假设一个标量规单重态暗物质粒子，我们表明，重中性CP偶数标量（H）可以（a）充当所有数据的暗物质入口，并且（b ）在参数空间的宽范围内具有相当大的不可见分支比率。 利用这一事实，我们估计了LHC信号的发生率，其中H是通过（i）胶子融合，硬喷射和（ii）矢量玻

  3. 所属分类：其它

  1. 通过外部温度梯度增强微流控芯片中的电热流动

  2. 通过外部温度梯度增强微流控芯片中的电热流动，张峰，陈瀚，交流动电现象在微流控芯片中有着广泛的运用。交流动电现象中的电热流是由焦耳热导致的温差梯度造成的。本文提出了一种在微通道基

  3. 所属分类：其它

    • 发布日期：2019-12-28
    • 文件大小：1022kb
    • 提供者：weixin_38532139

  1. car_accident_severity_prediction:使用梯度增强树预测潜在的交通事故造成的交通延误的严重程度！-源码

  2. car_accident_severity_prediction 一个明确的业务目标：预测潜在的交通事故可能导致的交通延误的严重性。 这对于想知道可能的交通延误的任何人（例如通勤者）或试图期望或减少交通延误的市政府官员可能都是有用的。 数据提取：flask应用程序从Weather bit的API中提取天气数据以实时进行预测： ： 可视化效果： 至少以下一项的演示： 一种。 机器学习： : b。 交互式网站： ： 可交付成果： :

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：949kb
    • 提供者：weixin_42134051

  1. 梯度增强模型基准：主要梯度增强模型的基准-源码

  2. 该项目的目标是基准化和比较Gradient Boosting模型的三个变体：XGBoost，CatBoost和LightGBM。 设置 要设置您的环境，请执行以下操作： 装 poetry install 跑poetry run jupyter notebook 从下载并解压缩汽车数据集

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：710kb
    • 提供者：weixin_42117485

  1. AdaboostOnMNIST：这是Adaboost算法的实现，它使用两个不同的弱学习器从头开始实施：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测

  2. AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试，并获得了更高的分数。 最小的训练误差为％1.8，在7次迭代中进行了梯度增强。 函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“

  3. 所属分类：其它

  1. KiGB：知识密集型梯度提升：用于学习梯度的统一框架增强了用于回归和分类任务的决策树，同时利用人工建议来实现更好的性能-源码

  2. KiGB：知识密集型梯度提升 长期以来，在AI内部已经纳入了包括定性约束（例如单调和协同影响）在内的更丰富的人类输入。 受此启发，我们考虑了在成功的梯度增强框架中使用此类影响力陈述的问题。 我们为分类和回归设置开发了一个统一的框架，该框架可以有效地合并这些约束，以加快学习速度，从而建立更好的模型。 我们在大量标准域和两个特别新颖的现实域中的结果证明了使用域知识而不是将人类视为单纯的标记者的优越性。 KiGB是一个统一的框架，用于学习用于梯度回归和分类任务的梯度增强决策树，同时利用人工建议来实现

  3. 所属分类：其它

  1. Boomer：BOOMER的scikit-learn实现-一种学习梯度增强多标签分类规则的算法-源码

  2. 自述文件 该项目提供了“ BOOMER”的scikit-learn实现-一种用于学习梯度增强的多标签分类规则的算法。 该算法首先发表在以下： Rapp M.，LozaMencíaE.，FürnkranzJ.，Nguyen VL。，HüllermeierE.（2020）学习梯度增强的多标签分类规则。 于：数据库中的机器学习和知识发现。 ECML PKDD2020。计算机科学讲座。 湛史普林格 如果您在科学出版物中使用该算法，我们将不胜感激对上述论文的引用。 产品特点 该项目提供的算法当前支持以

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：54mb
    • 提供者：weixin_42176827

  1. benchm-ml：用于二进制分类的顶级机器学习算法（随机森林，Rus，Python scikit-learn，H2O，xgboost，Spark MLlib等）的可扩展性，速度和准确性的最低基准。梯度增强树，深度神经网络等）-源码

  2. 用于分类的机器学习库的可伸缩性，速度和准确性的简单/有限/不完整基准 所有基准都是错误的，但有些是有用的 该项目旨在为一些机器学习算法的常用实现的可伸缩性，速度和准确性提供一个最低基准。 这项研究的目标是使用数字和分类输入（具有有限的基数，即不是很稀疏）并且没有丢失的数据进行二进制分类，这可能是业务应用程序中最常见的问题（例如，信用评分，欺诈检测或客户流失预测）。 如果输入矩阵的大小为n x p ，则n的变化范围为10K，100K，1M，10M，而p为〜1K（在将分类扩展为伪变量/一次编码后）。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：306kb
    • 提供者：weixin_42134537

  1. 调谐器：使用XGBoost梯度增强来预测歌曲流派-源码

  2. 调谐器 使用梯度增强分类从音频功能预测歌曲类型。 音频功能和元数据来自 。 使用提取音频特征。 要进行预处理，请使用python preprocess.py 。 要执行交叉验证，请使用python classify.py 。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：252kb
    • 提供者：weixin_42164534

  1. ngboost：用于概率预测的自然梯度增强-源码

  2. NGBoost：用于概率预测的自然梯度提升 ngboost是一个Python库，实现了“自然梯度增强”，如。 它建立在，旨在针对适当的评分规则，分布和基础学习者的选择进行扩展和模块化。 在此可以对NGBoost的基本方法进行详尽的介绍。 安装 via pip pip install --upgrade ngboost via conda-forge conda install -c conda-forge ngboost 用法 波士顿住房数据集上的概率回归示例： from ngboost i

  3. 所属分类：其它

  1. 一种基于Sobel算子梯度增强的边缘检测算法

  2. 针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足，提出了一种局部梯度增强的检测算法。算法采用改进的Sobel算子卷积模板计算图像梯度；然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度，最后对局部梯度增强的图像进行细化处理并提取图像边缘，得到边缘图像。实验结果表明，该算法获取的边缘图像边缘信息较丰富，连续性好，边缘较细，整体效果优于传统Sobel算法，具有较高的实用价值。

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 13 »