数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术, 提出将K-means 聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型HVS和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间的视觉误差; 利用K-means聚类法将灰度图像划分成聚类分区, 在每个聚类分区应用最小平方法least-squares最小化二值半色调图像和原始灰度级图像之间的平方误差, 所构造的半色调算法与基于模型的最小平方法LSMB算法相比, 随着聚类分区的增加, 图像平滑且边缘清晰度增加, 尤其是在图像细节部位。与LSMB算法比较, 该算法的均方误差值有所降低, 而权重信噪比和峰值信噪比提高了0. 2～2 dB, 模拟实验结果验证了算法的有效性。
2022-01-06 11:08:33
1.66MB
1
matlab垂直泊车代码机器学习项目2019年Spring
项目成员：纽约大学丹顿工程学院的Akhil
Wadhwa和Suyash
Sule
标题：从身体磨损的运动和磁传感器数据中学习人类活动
人类活动分类为八名受试者（年龄在20至30岁之间的4位女性，4位男性）进行5分钟的19种活动。
我们使用了UCI机器学习存储库中的数据集：
19项活动如下：
坐着（A1），站立（A2），躺在左右两侧（A3和A4），上下楼梯（A5和A6），站在电梯静止（A7）并在电梯中四处走动（A8）
，在停车场（A9）上行走，以4
km
/
h的速度在跑步机上行走（在平坦且倾斜15度的位置）（A10和A11），以8
km
/
h的速度在跑步机上行走（
A12），在踏步机上锻炼（A13），在交叉训练机上锻炼（A14），在水平和垂直位置骑健身车（A15和A16），划船（A17），跳跃（A18），打篮球（A19）
）
主体在躯干（T），右臂（RA），左臂（LA），右腿（RL），左腿（LL）上具有传感器，每个传感器上总共有9个传感器（x，y，z加速度计，x
，y，z陀螺仪，x，y，z磁力计）。
请参阅Machine
l
2022-01-05 17:33:20
2.14MB
1
jva语言开发的案例：人类基因由4种核苷酸，分别用字母ACTG表示。要求编写一个程序，按以下规划比较两个基因序列并确定它们的相似程度。即两给出两个基因序列AGTGATG和GTTAG，它们有多相似呢？测量两个基因的相似度一种方法称为对齐。使用对齐方法可以在基因的适当位置加入空格，让两个基因的长度相等，然后根据基因的分值矩阵计算分数。
2022-01-05 09:27:51
6KB
1
人类活动识别
该项目将建立一个模型，以预测人类的活动，例如步行，步行上楼，步行到楼下，坐着，站立或躺下。
该数据集是从30个人（在此数据集中称为主题）收集的，他们使用智能手机在腰间执行不同的活动。 数据通过该智能手机中的传感器（加速度计和陀螺仪）进行记录。 录制了该实验的视频以手动标记数据。
如何记录数据
通过使用智能手机中的传感器（陀螺仪和加速度计），他们捕获了来自加速度计的“ 3轴线性加速度”（ tAcc-XYZ ）和来自陀螺仪的“ 3轴角速度”（ tGyro-XYZ ），具有多种变化。
prefix 't' in those metrics denotes time.
suffix 'XYZ' represents 3-axial signals in X , Y, and Z directions.
快速浏览数据集：
加速度计和陀螺仪的读数来
2022-01-04 13:41:53
1.09MB
1
06-15 被你疯狂吐槽的那些“反人类”设计，其实精妙无比 ｜ 建员译文.docx
2021-12-30 13:00:16
8.07MB