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. 稀疏矩阵技术在网络分析中的应用

  2. 讲述稀疏矩阵在网络分析中的应用，应用于小型机对电子电路的计算机辅助分析和设计（CAA&CAD）。

  3. 所属分类：网络基础

    • 发布日期：2010-02-21
    • 文件大小：588kb
    • 提供者：kongz

  1. 基于重叠窗的稀疏评价数据计算方法

  2. 借助窗口重叠，弥补数据稀疏，提高评价计算准确度，实验证明该技术可行，供参考

  3. 所属分类：Web开发

    • 发布日期：2011-05-15
    • 文件大小：446kb
    • 提供者：jun1111111111

  1. 基于稀疏表示的人脸识别Matlab程序

  2. 最新的基于稀疏表示的人脸识别程序，用Matlab编写，包括了快速算法的实现，是目前识别率和效率较高的最新人脸识别技术的具体算法实现，不可多得！希望能帮助大家！

  3. 所属分类：其它

    • 发布日期：2012-10-19
    • 文件大小：37mb
    • 提供者：zjsprit

  1. 稀疏矩阵及其相关实现

  2. 稀疏矩阵及其相关实现，转置，相乘，相加。（吉林大学计算机科学与技术学院）

  3. 所属分类：C++

    • 发布日期：2012-11-11
    • 文件大小：5kb
    • 提供者：cuixianjuan

  1. 稀疏传感、稀疏采样的综述

  2. 文档中具有比较简单明了的，对于稀疏传感原理的描述，实现方法以及算法。稀疏传感是一类非常有用的将采样技术，可以对宽带信号进行恢复，不受限于传统的奈奎斯特频率

  3. 所属分类：专业指导

    • 发布日期：2013-04-18
    • 文件大小：4mb
    • 提供者：tlvchat

  1. 稀疏表示图像处理

  2. 稀疏入门必备.图像处理新的方法,最新前沿技术

  3. 所属分类：专业指导

    • 发布日期：2013-07-03
    • 文件大小：20mb
    • 提供者：xujianghui11

  1. 信息技术领域中大型稀疏矩阵方程组的理论与解法_黄杨

  2. 信息技术领域中大型稀疏矩阵方程组的理论与解法_黄杨_2_2_2Ellpack_I

  3. 所属分类：其它

    • 发布日期：2013-08-23
    • 文件大小：367kb
    • 提供者：xyty3320

  1. 电力系统潮流计算

  2. 应用稀疏技术及节点优化编号实现电力系统潮流计算

  3. 所属分类：C++

    • 发布日期：2014-11-06
    • 文件大小：2kb
    • 提供者：yyx614921

  1. 基于人脸识别分类器（SRC）的LBP算法与稀疏表达联合方法的改进

  2. 最近，基于描述子的局部二进制模式（LBP）与基于分类器（SRC）稀疏表示（SRC）成为人脸识别两个杰出的技术。初步结合LBP和SRC技术已经在文献中提出的。然而，在真实世界国家的艺术方法，遭受的“维数灾难”。在本文中，提出了一种新的LBP与Src结合的人脸识别算法。其中的维数问题的分而治之和辨别力是加强通过金字塔增强。所提出的人脸识别方法是在AR人脸数据库上的评价，产生令人印象深刻的结果。

  3. 所属分类：电信

    • 发布日期：2015-05-22
    • 文件大小：47kb
    • 提供者：u010673361

  1. 基于稀疏表示的人脸识别方法实现

  2. 但是人脸图像易受到光照、姿态、遮挡和表情等多种因素的影响 ，识别效果也易受图像数据库大小的干扰，计算机智能识别课题的研究仍然具有较高的挑战性。目前一些学者将稀疏表示用于人脸识别，得到了国内外学者的广泛关注，其基本思想是将待分类图像表示为以训练图像本身作为基原子的字典的稀疏线性组合。在新研究的繁多方法中，基于稀疏表示的人脸识别技术拥有独特的高效性，且稀疏系数具有很好的稀疏性和可扩展性。基于稀疏表示的人脸识别拥有高识别率与强鲁棒性，可以实现高识别率、高鲁棒性、低复杂性的人脸识别方法。

  3. 所属分类：讲义

    • 发布日期：2015-05-30
    • 文件大小：18mb
    • 提供者：sinat_28602923

  1. 电力网络计算中的稀疏技术

  2. 电力网络稀疏算法基础

  3. 所属分类：讲义

    • 发布日期：2015-09-22
    • 文件大小：853kb
    • 提供者：cheruyu

  1. 稀疏恢复与稀疏优化的ℓ1极小化理论及其计算.pdf

  2. 根据模型的低复杂性结构（如向量的稀疏性、矩阵的低秩性等），如何高效地从病态的线性逆问题中唯一且稳健地恢复出特定的信息是当代应用与计算数学家、工程技术人员、以及统计学家们共同关心的重要问题.由于其普遍性，该问题在以稀疏恢复与稀疏优化为重点内容的压缩感知、图像/信号处理、机器学习、大数据处理、高维统计等领域均有重大的理论与应用价值.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-04-20
    • 文件大小：1mb
    • 提供者：s1615043485

  1. 基于双目视觉稀疏点云重建的输电线路弧垂测量方法

  2. 弧垂是输电线路设计和运行的主要指标,必须严格控制在规定的设计容限内。笔者提出了一种基于双目视觉稀疏点云重建的输电线路弧垂测量方法,通过获取电力走廊影像对,采用数字图像处理技术对输电线路进行定位与提取,使用标定参数采样核线影像对,并利用核线约束解算其稀疏点云,最后通过悬链线拟合技术重建线路三维矢量,由此模型计算出精确的弧垂指标。研究结果表明,当被测对象处于中短距离的情况下,本方法具有较高的弧垂测量精度,且在工程应用中具有较大的灵活性。

  3. 所属分类：其它

    • 发布日期：2020-05-13
    • 文件大小：986kb
    • 提供者：weixin_38720997

  1. 稀疏子空间代码.rar

  2. 稀疏子空间聚类（SSC）算法，该算法用于使用稀疏表示技术对从子空间的并集得出的点进行聚类。 SSC算法分两个步骤解决子空间聚类问题：第一步，对于每个数据点，我们找到属于同一子空间的其他一些点。为此，我们解决了一个全局稀疏优化程序，该程序的解决方案将有关数据点成员资格的信息编码到每个点的基础子空间。在第二步中，我们在谱聚类框架中使用此信息来推断数据的聚类。

  3. 所属分类：制造

    • 发布日期：2020-04-27
    • 文件大小：30kb
    • 提供者：weixin_45353942

  1. 基于深度卷积稀疏自编码分层网络的人脸识别技术

  2. 面对海量人脸图像识别,传统特征提取方法难以提取有效特征,造成人脸识别准确率较低。提出了一种鲁棒的人脸特征提取算法,即利用深度卷积稀疏自编码网络自动学习人脸中丰富且识别力高的特征。该方法将卷积操作融入自编码网络中,同时加入稀疏化思想,从而形成深度卷积稀疏自编码分层网络(hierarchical deep convolution sparse autoencoder,HDCSAE);用该网络自动提取海量人脸图像的高层鲁棒特征,并将提取的特征作为SVM分类器的输入得到分类结果。在FERET人脸数据库下

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：694kb
    • 提供者：weixin_38626858

  1. 基于随机特征的矿井视频图像中的人员跟踪技术

  2. 为解决煤矿井下照度低、照度不均匀并且变化剧烈,缺乏颜色信息,井下人员视觉表观与背景相似,而给基于视觉的井下人员跟踪定位技术发展带来的难题,基于压缩感知理论,利用随机投影技术提出了一种简单、新颖、但有效的跟踪定位矿井视频图像中人员的方法,用非常稀疏的随机投影矩阵从图像多尺度纹理特征空间抽取目标特征构成目标模型,利用朴素贝叶斯分类器采用鉴别式方法确定跟踪目标位置,并用随机特征对目标模型进行自适应在线更新。在神东集团大柳塔煤矿采集的井下视频上试验结果表明:该算法对目标的遮挡、旋转及不均匀的环境照度和照

  3. 所属分类：其它

    • 发布日期：2020-04-18
    • 文件大小：447kb
    • 提供者：weixin_38558660

  1. 大口径稀疏孔径光学成像

  2. 大口径稀疏孔径光学成像，沈为民，吴泉英，本文介绍两种稀疏孔径光学成像系统的基本原理，通过分析，指出有待研究解决的关键技术，即：稀疏小孔径的优化排列、退化像质的恢

  3. 所属分类：其它

    • 发布日期：2020-02-18
    • 文件大小：213kb
    • 提供者：weixin_38612648

  1. 大数据技术之HBase.docx

  2. HBase是一个分布式的、面向列的开源数据库，它是一个适合于非结构化数据存储的数据库(NoSQL)。另一个不同的是HBase基于列的而不是基于行的模式。 大：上亿行、百万列 面向列：面向列（簇）的存储和权限控制，列（簇）独立检索 稀疏：对于为空(null)的列，并不占用存储空间，因此，表的设计的非常的稀疏

  3. 所属分类：Hbase

    • 发布日期：2020-01-19
    • 文件大小：309kb
    • 提供者：qq_39199112

  1. 3-6 稀疏与低秩.pdf

  2. 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程，其过程的一个重要形式是生命体对环境及客体的识别。模式识别以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能等为主要研究方向，研究人类模式识别的机理以及有效的计算方法。

  3. 所属分类：讲义

    • 发布日期：2020-01-03
    • 文件大小：13mb
    • 提供者：weixin_44249704

  1. sparseml:使用几行代码将稀疏配方应用于神经网络的库，可实现更快，更小的模型-源码

  2. 稀疏ML 使用几行代码将稀疏配方应用于神经网络的库，可实现更快，更小的模型 概述 SparseML是一个工具包，其中包括API，CLI，脚本和库，这些API，CLI，脚本和库将最新的稀疏化算法（例如修剪和量化）应用于任何神经网络。围绕这些算法构建的通用的，配方驱动的方法可简化为ML性能社区创建更快和更小的模型的过程。 这个库包含内集成 ， 和的生态系统，允许无缝模型稀疏。 稀疏化 稀疏化是采用训练有素的深度学习模型，并从过于精确和过度参数化的网络中删除冗余信息的过程，从而形成了更快，更小的模型。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：958kb
    • 提供者：weixin_42108778
« 12 3 4 5 6 7 8 9 10 ... 18 »