基于压缩感知的麦克风阵列声源定位算法

matlab中inv的函数代码适用于MATLAB的CIECAM02颜色外观模型和CAM02均匀ColorSpace 该代码基于两个来源： 彩色研究人员罗铭荣和李昌俊的彩色研究“ CIECAM02及其最新发展”一章于2012年5月26日发表在“高级彩色图像处理和分析”一书中。 色彩研究人员罗明龙，崔桂华和李昌俊的文章“基于CIECAM02色彩外观模型的统一色彩空间”，发表于“色彩研究与应用”杂志第31卷第4期，于2006年7月5日发表。 此MATLAB实现的灵感来自Nathaniel J. Smith编写的python模块“ colorspacious”，可在这里找到： Smith使用了非常全面的python模块“ colorspacious”来生成新的感知一致的颜色表，这些颜色表现在是MatPlotLib 2.0的默认设置。 这些颜色图也可在此处用于MATLAB： 我的目标是提供与常用Lab色彩空间转换一样简单的功能，同时提供在感知上更统一的色彩空间。 请注意，我用矩阵逆（例如inv（A）* b）和建议的且数值更精确的A \ b代替了计算。 看： 快速入门指南：和CIELAB一样简单！

由于激光点云数据的无序性、离散性、稀疏性，基于深度学习的三维点云数据的特征提取具有一定难度。针对目前局部信息提取不充分，区域信息的合并有限的问题，提出了一种基于层级边缘卷积的点云分类网络，用于三维视觉中点云模型识别任务。本文采用层级结构的思想，通过层级几何信息模块对特征进行有效提取和归纳。对于每个层级几何信息提取模块，首先对点云模型进行下采样并构建局部区域，对每个局部区域中点与点之间的距离和特征进行建模，获得局部区域的几何信息，最后聚合多个采样点的局部结构特征。实验结果表明，本算法在ModelNet40数据集上的识别准确率为91.5%。与已有的三维点云模型识别分类算法相比，本文算法能够更充分地提取局部信息，进一步提高三维点云模型分类的准确率

信息安全-深信服安全感知平台(SIP)解决方案模板 (2).docx

文件：python代码 内容：基于 anaconda+keras 框架，在 jupter notebook 中 构建多层感知器，识别MNIST数据集中的手写数字。 亲测可用，同学们可以放心下载。 MNIST数据集 (Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型**手写数字数据库**，包含 6万 个示例的训练集以及 1万 个示例的测试集。MNIST数字文字识别数据集数据量不太多，而且是单色的图像，比较简单，很适合深度学习的初学者用来练习建立模型、训练、预测。 经典的MNIST数据集包含了大量的手写数字。十几年来，来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议，期刊的论文中发现这个数据集的身影。实际上，MNIST数据集已经成为算法作者的必测的数据集之一。有人曾调侃道："如果一个算法在MNIST不work, 那么它就根本没法用；而如果它在MNIST上work, 它在其他数据上也可能不work！"

基于结构稀疏的SAR图像低秩重构，matlab程序编写

人工智人-家居设计-基于IPv6移动终端的车间多源信息智能感知方法研究.pdf

应对金融市场动荡是政策制定者面临的一项决定性挑战，也是政治研究的核心课题。然而，既定的金融状况衡量标准存在重大缺陷。年度二元危机变量限制了我们探索非线性关系和快速变化条件的政治影响的能力。连续指标在可操作性和可重复性方面有其自身的缺陷。我们使用Economist的核主成分分析 (KPCA) 创建实时感知压力的连续测量每月国家报告。我们通过表明它更准确地捕捉金融市场压力水平对选举波动性的影响来证明我们的衡量标准的有用性。我们还展示了如何使用 KPCA 将大量文本有效地总结为横截面时间序列变量。 更多详情、使用方法，请下载后阅读README.md文件

图像压缩感知的双收缩快速迭代算法.pdf

图像压缩感知重建算法研究.pdf