只有在非常简单的情况下，我们才能将两个时间序列之间的相关性描述为一个数字。 通常它会随着时间和波长而变化。 由于噪声，数据集在短时间尺度上可能不相关，但在较大波长（例如每年）上强烈相关。 该程序将计算（使用小波）作为时间和波长函数的相关性。 反相关 (s=-1) 显示为蓝色，零相关 (s=0) 显示为绿色，正相关 (s=+1) 显示为红色。 图像显示了石油价格和黄金价格之间的相关性，除了 1985 年和 1995 年之间的时间段外，大部分为红色（暗示强正相关）。 请注意，使用此方法比较以不同单位测量的数据集是有效的。

长度为N1×N3的两个序列x1(n1,n2)和x2(n1,n2)的线性卷积和 N2×N4 分别可以找到

工业安全手机检测识别图像数据集（VOC，yolo两类标签，8201张图像）.zip

两只蝴蝶飞呀飞Flash动画带源文件，氏量的彩虹飞舞动画，Flash飞舞动画源文件，Flash飞翔动画模板素材，flash8动画素材，尽在源码素材网，看一看运行截图就知本效果。

一套是网络收集，另一套是自购的STM32仿PLC源码，实测都可用可以拿来学习。 STM32 单片机编程 PLC 仅供学习使用，引起法律纠纷概不负责。

在matlab环境下，求出两幅图像的峰值信噪比PSNR值和归一化相关系数NC的函数。

椭球面上的两点球面距离的解析计算是难以实现的，现提供一种切割方法，可采取贪心策略取得最短路径！

Mpeg75数据库由1600幅70类图像组成，图像分辨率为60×100。是机器学习中常见的图片数据集

源码，有测试数据。内容：1、判断两点构成的直线是否相交；2、判断点是否落在由多点构成的区域内

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“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组（stump，stump_weights，errors，D_weights） 您可以使用predict（stumps，stump_weights，X_test）对训练集进行预测。 这将返回该X_test的标签数组