亮度保持动态模糊直方图均衡(BPDFHE)提出了亮度保持动态直方图均衡技术的一种新颖修改,以提高其亮度保持和对比度增强能力,同时降低其计算复杂度。 这种技术称为使用数字图像的模糊统计进行表示和处理。 模糊域中图像的表示和处理使该技术能够以更好的方式处理灰度值的不精确性,从而提高性能。 此外,模糊统计可以很好地处理灰度级的不精确性,模糊直方图在使用适当的模糊隶属函数计算时,没有随机波动或缺失强度级,并且基本上是平滑的。 这有助于获得保持亮度均衡所需的有意义的分区。 该方法的详细信息可在 D. Sheet、H. Garud、A. Suveer、J. Chatterjee 和 M. Mahadevappa,“亮度保持动态模糊直方图均衡”,IEEE Trans.,Consumer Electronics,vol。 56,没有。 4,第 2475 - 2480 页,2010 年 11 月。 [ h
2023-02-24 11:59:15 21KB matlab
1
项目中包括锂电池模型建立、参数辨识与验证、SOC估计采用扩展卡尔曼滤波(EKF),使用了两种方式实现: Simulinks(EKF only) 脚本(包含EKF和UKF)
1
大大有益笔记本提高续航能力.我现就用着.不骗你,.......
2023-01-29 11:09:06 1.34MB Battery Doubler V1.2.1
1
模糊PID控制器 该存储库使用C ++来实现模糊PID控制器,以自动调整PID参数Kp,Ki和Kd。
2022-12-22 13:00:16 5KB C++
1
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:TS-Fuzzy Model_模糊系统_Matlab code 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
2022-12-13 15:08:53 170KB matlab 开发语言 TS-Fuzzy 模糊系统
其他例子 模型Shower.mdl―淋浴温度调节模糊控制系统仿真; 模型slcp.mdl―单级小车倒摆模糊控制系统仿真; 模型 slcp1.mdl―变长度倒摆小车模糊控制系统仿真; 模型 slcpp1.mdl—定长、变长二倒摆模糊控制系统仿真; 模型slbb.mdl―球棒模糊控制系统仿真; 模型sltbu.mdl―卡车智能模糊控制倒车系统仿真; 模型sltank2.mdl ― 用子系统封装的水箱控制仿真。
2022-12-07 09:49:56 2.28MB fuzzy
1
C ++模糊逻辑编程库-用于解决模糊逻辑领域中的问题。 它具有非常适合C ++语法的面向对象的API,可以直接包含在源代码中。 可移植到支持C ++ STL的平台。
2022-12-06 10:34:06 69KB 开源软件
1
图像模糊matlab代码Fuzzy SLIC (Precise superpixel number control version) with Matlab Interface的C实现 版权所有 (c) 2018, Chong WU 保留所有权利。 如果满足以下条件,则允许以源代码和二进制形式重新分发和使用,无论是否修改: 源代码的重新分发必须保留上述版权声明、此条件列表和以下免责声明。 以二进制形式重新分发必须在随分发提供的文档和/或其他材料中复制上述版权声明、此条件列表和以下免责声明。 未经特别事先书面许可,不得使用香港城市大学的名称或其贡献者的名称来认可或推广源自本软件的产品。 本软件由版权所有者和贡献者“按原样”提供,并提供任何明示或暗示的保证,包括但不限于适销性和针对特定用途的适用性的暗示保证。 在任何情况下,版权持有人或贡献者均不对任何直接、间接、附带、特殊、惩戒性或后果性损害(包括但不限于购买替代品、商品、资源;或或业务中断),无论是基于任何责任理论,无论是合同、严格责任或侵权行为(包括疏忽或其他原因)因使用本软件而以任何方式引起的,即使是 P.S. 用法: 在使用它之前
2022-12-05 16:21:06 9KB 系统开源
1
模糊聚类算法: 我们已经实现了两种算法: 和 。 检查视频以获取算法的输出。 例子: 示例详细信息: 50次迭代 m = 2 4个集群 犯罪数据集的前2列:“谋杀,殴打” 实施细节: 科学工具学习类似的结构。 完全矢量化。 用于图像分割的用户界面。 在某些数据集上进行了测试。
2022-11-21 09:06:32 151KB python clustering numpy pyqt
1
利用模糊集理论(FS),区间值模糊集理论(IVFS)和非并行支持向量机理论(NPSVM),模糊非并行支持向量机(F-NPSVM)和区间值模糊非并行支持向量机。 (IVF-NPSVM)已构建。 F-NPSVM和IVF-NPSVM都在模型中考虑了训练点的隶属度,区别在于确定训练点的方法。 在人工数据集和基准数据集上的实验表明,使用F-NPSVM和IVF-NPSVM进行的大多数分类结果比NPSVM,支持向量机(SVM)更为准确。 ,区间值模糊支持向量机(IVF-SVM),广义特征值近端支持向量机(GEPSVM)和双支持向量机(TWSVM)。 最后,使用Friedman检验来验证两个新模型与以前的模型之间存在显着差异。
2022-11-18 22:19:30 389KB Classification fuzzy interval-valued fuzzy
1