51CTO博客开发
从即日起，将博客搬家到csdn，谢谢大家的关注~http://blog.csdn.net/curley
最近阅读了大神发表的TLD算法，作者只提供了matlab版代码，有人提供了C++版，广为流传，下载下来后，发现需要改的地方还有很多，竟然还有一个大bug没有发现，导致程序一直崩溃。在TLD的753行原来是c = partition(dbb,T,(*bbcomp));应该改为c = partition(dbb,T,(&bbcomp));这里应该是bbcomp的指针，而不是取内容，导致后面传递
#include <iostream> using namespace std; class A { public: int _a; A() { _a=1; printf("A construct\n"); } void print() { printf("%d,",_a); } }
一个数组中有三种数，负数，零和正数，现在要求只对数组扫描一遍，即完成将数组分为三部分，负数、零和正数。尝试写了一下代码。#include <stdio.h> #define N 9 void swap(int *p,int *q) { int temp; temp=*p; *p=*q; *q=temp; return ; } int main()
一、实验目的 所选题目应该与操作系统原理相关，包含进程的控制，进程间通信，并发控制，文件操作等内容。 二、实验内容 实现了一个简单的web服务器，其中使用了内存文件系统加快部分访问量过大的大文件的访问速度，可以减低服务器负载，内嵌了一个简单的shell模块，以协助执行一些shell命令。 主要使用了一下相关知识： 1. 内存共享区 2. 文件系统
一、实验目的 设计并实现Unix的“time”命令。“mytime”命令通过命令行参数接受要运行的程序，创建一个独立的进程来运行该程序，并记录程序运行的时间。 二、实验内容 在Windows下实现: 使用CreateProcess()来创建进程 使用WaitForSingleObject()在
一、实验目的 学习使用linux和windows下有关目录读写和文件读写的API函数。 二、实验内容 完成一个目录复制命令mycp，包括目录下的文件和子目录。 说明： Linux: creat，read，write等系统调用 Windows: CreateFile(), ReadFile(), WriteFile(), CloseHandle（）函数。 三、实验环境
一、实验目的 学习生产者与消费者的运行基本原理，学习使用共享内存区，学习使用多进程，学会使用锁互斥访问对象。 二、实验内容 一个大小为3的缓冲区，初始为空 •2个生产者 –随机等待一段时间，往缓冲区添加数据， –若缓冲区已满，等待消费者取走数据后再添加 –重复6次 •3个消费者 –随机等待一段时间，从缓冲区读取数
银行家算法是Dijkstra在1965年提出的一种避免死锁的算法。银行家算法陈述如下： 1) 当一个进程提出一个资源的请求时，假定分配给它，并调用检查系统状态安全性的算法。如果系统是安全的，则对申请者的假分配变为实际的分配。否则，推迟它的请求，让其阻塞等待。 2) 检查系统状态安全性的算法。根据系统剩余的资源情况，银行家进行检查，
想编一个自己闹钟程序，决定学习一下android开发，后来由于某些私人原因吧，紧急的编了一个程序，突然觉得已经有了打砖块的程序的雏形，遂决定编个打砖块吧，放在网上旨在和大家交流。也算是对自己做过的东西的一个纪念。直接贴代码吧，有问题欢迎一起交流。 &n
最近有个想法，想开发一款自用的手机闹铃软件，早上只有正确拼写前一晚设定背诵的单词，才可以使闹铃停下来，正在酝酿具体的细节，最近也正在学习相关的Android手机开发，就使用自己的中兴U880做测试吧，希望在寒假结束前能够推出吧。具体后续工作会随时更新发布。
最近正在学习有关粒子滤波的相关知识，先占个位，等过一阵子总结一下，发表出来，供大家一起讨论。也欢迎发送邮件和我讨论。
Kalman滤波器最初于1960年提出，之后发展成为信号处理领域中不同方面的重要方法。Kalman滤波器的基本思想是，若有一组强而合理的假设，给出系统的历史测量值，则可以建立最大化这些早前测量值的后验概率系统状态模型。从理论上来讲Kalman有两个重要假设： 1)被建模系统是线性的。这里所说的线性是指k时刻的系统状态可以用某个矩阵与k-1时刻的系统状态的乘积表示。 2)影响测量的噪声属于白噪声， 并且符合高斯分布。这里假设噪声是符合高斯分布的白噪声，白噪声是指与时间不相关，且只能用均值和协方差就可以准确地为幅值建模。但是到现在为止，还没有任何方法能够证明环境噪声是符合高斯分布的，这里只是近似的假设其成立。 Kalman滤波是一个在误差协方差最小准则下的最优估计方法，计算量小，实时性高，能利用实际的运动参数不断修正未来运动状态的估计值，提高估计精度，兼顾实时性和稳健性。结合Camshift算法与Kalman滤波，利用Kalman滤波预测目标位置，来提高跟踪运动目标的速度，并且可以有效地解决Camshift在遇到遮挡时目标可能丢失的缺点。
来这里几个月，发现有些问题很多人都很感兴趣。所以在这里希望能尽自己能力跟大家讨论一些力所能及的算法。现在先讨论一下卡尔曼滤波器，如果时间和能力允许，我还希望能够写写其他的算法，例如遗传算法，傅立叶变换，数字滤波，神经网络，图像处理等等。 因为这里不能写复杂的数学公式，所以也只能形象的描述。希望如果哪位是这方面的专家，欢迎讨论更正。 卡尔曼滤波器 – Kalm
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
