目录赛题解析题目解题思路算法细节运行结果Matlab源码 赛题解析题目2013年B题 碎纸片的拼接复原    破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。传统上,拼接复原工作需由人工完成,准确率较高,但效率很低。特别是当碎片数量巨大,人工拼接很难在短时间内完成任务。随着计算机技术的发展,人们试图开发碎纸片的自动拼接技术,以提高拼接复原效率。纵切片如下(共19张
碎纸片拼接复原的设计与实现摘要         破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。由于人工拼接效率较低,我们利用MATLAB软件编写程序,实现碎纸片拼接技术的计算机化,实现批量拼接,以节省人力和时间。吻合参数最小的原则,可计算出下一张图片。重复此步骤,以此类推,每次都挑选出剩余图片中与前一幅图片吻合参
碎纸片的拼接复原算法及MATLAB实现摘要:对于只有纵切的情形,文章通过比较当前待拼碎片与剩余碎片的信噪比psnr[1,3,4]的值来确定两碎片是否为邻接碎片;拼接算法首先连续调用右拼函数直到拼接到原图右边界,然后连续调用左拼函数直到拼接到原图左边界,从而得到整幅复原图像;对于单面纵横交错切的情形,文章对首先采用纵切拼接算法将碎片拼接成多幅横条图片,然后将各横条图片矩阵转置[2],再次采用纵切拼接
摘要: matlab,数学建模,碎片拼接  额,最近抠c++抠累了,突然心血来潮翻看近年来的大学生数学建模题。相比当年参加比赛的题目,总体感觉现在的题目越来越接近生活了。可能是多了一些经历,对一些题特别有感觉,加之联想起以前做完一道难题得到的兴奋感,一个想法涌上心头,为什么不利用现在的知识来好好“收拾收拾”它们呢。因此便有了这篇的文章,一方面是分享下自己的想法,另外也是锻炼下自己的文笔,身为程序猿
资源下载地址:资源下载地址:需求分析二维碎片的复原拼合工作大都采用手工的方式,拼合的效率十分低下,但随着计算机技术的发展,尤其是在图形学方面的迅猛发展,使得计算机处理二维碎片的拼合成为可能。二维碎片的轮廓匹配技术目前已发展为计算机视觉、图像分析、医学图像配准、文物复原、光学和雷达跟踪、及模式识别等领域中的重要课题在某些特殊场景,比如考古挖掘领域,由于时间久远。发掘的文物大都是破碎不完整的,如果纯靠
第一问: 采用灰色关联分析(完美解决~~哈哈,调试出来了) 方案二:采用贪心思想解决 (中英文都可以复原) 第二问:(等待实现).....
转载 2017-08-20 18:40:00
156阅读
2评论
k-means 接下来是进入算法的的学习,算法属于无监督学习,与分类算法这种有监督学习不同的是,算法事先并不需要知道数据的类别标签,而只是根据数据特征去学习,找到相似数据的特征,然后把已知的数据集划分成几个不同的类别。比如说我们有一堆树叶,对于分类问题来说,我们已经知道了过去的每一片树叶的类别。比如这个是枫树叶,那个是橡树叶,经过学习之后拿来一片新的叶子,你看了一眼,然后说这是枫树
转载 2023-08-20 23:25:47
175阅读
一、python代码''' Author: Vici__ date: 2020/5/13 ''' import math ''' Point,记录坐标x,y和点的名字id ''' class Point: ''' 初始化函数 ''' def __init__(self, x, y, name, id): self.x = x # 横坐标
转载 2023-07-18 13:43:45
90阅读
目录一、聚类分析1、2、Scipy中的算法(K-Means)3、示例 完整代码:运行结果:函数使用:二、图像色彩操作步骤:完整代码:运行结果:三、合并至Flask软件部分代码:运行结果:一、聚类分析1、类聚是把相似数据并成一组(group)的方法。不需要类别标注,直接从数据中学习模式。2、Scipy中的算法(K-Means)  随机选取K个数据点作为“种
转载 2023-08-09 07:28:55
352阅读
本文简要介绍了多种无监督学习算法的 Python 实现,包括 K 均值、层次、t-SNE 、DBSCAN 。无监督学习是一用于在数据中寻找模式的机器学习技术。无监督学习算法使用的输入数据都是没有标注过的,这意味着数据只给出了输入变量(自变量 X)而没有给出相应的输出变量(因变量)。在无监督学习中,算法本身将发掘数据中有趣的结构。人工智能研究的领军人物 Yan Lecun,解释道:
转载 2023-08-23 16:16:50
124阅读
准备说明:Python代码运行,需要有数据集,文章最后有csv格式的数据集,请自行下载。理论知识讲解:模糊理论模糊控制是自动化控制领域的一项经典方法。其原理则是模糊数学、模糊逻辑。1965,L. A. Zadeh发表模糊集合“Fuzzy Sets”的论文, 首次引入隶属度函数的概念,打破了经典数学“非0即 1”的局限性,用[0,1]之间的实数来描述中间状态。很多经典的集合(即:论域U内的某个元素是
转载 2024-08-13 17:42:44
39阅读
一、python代码''' Author: Vici__ date: 2020/5/14 ''' import math ''' Point,记录坐标x,y和点的名字id ''' class Point: ''' 初始化函数 ''' def __init__(self, x, y, name): self.x = x # 横坐标
转载 2023-08-20 10:00:57
60阅读
运用python进行层次学习scipy库 很重要呀 需要引入的import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import scipy.cluster.hierarchy as sch #用于进行层次,画层次图的工具包 import scipy.spatial.distance as
转载 2023-08-08 14:37:11
229阅读
菜鸟一枚,编程初学者,最近想使用Python3实现几个简单的机器学习分析方法,记录一下自己的学习过程。关于KMeans算法本身就不做介绍了,下面记录一下自己遇到的问题。一   、关于初始中心的选取 初始中心的选择一般有:(1)随机选取(2)随机选取样本中一个点作为中心点,在通过这个点选取距离其较大的点作为第二个中心点,以此类推。(3)使用层次等算法更新出初
  题记:最近有幸参与了一个机器学习的项目,我的主要工作是帮助进行数据预处理,期间用Python实现了K-means算法,感觉收获很多特此记录下来和大伙儿分享。 一 机器学习项目的主要流程   机器学习项目的主要流程有五步:  1.数据提取  2.数据清洗  3.特征工程  4.训练模型  5.验证模型并优化  之前讲到的PYTHON爬虫可以算是第一步数据提取里面的内容,
[如何正确使用「K均值」?1、k均值模型 给定样本,每个样本都是m为特征向量,模型目标是将n个样本分到k个不停的或簇中,每个样本到其所属的中心的距离最小,每个样本只能属于一个。用C表示划分,他是一个多对一的函数,k均值就是一个从样本到的函数。 2、k均值策略 k均值的策略是通过损失函数最小化选取最优的划分或函数。 首先,计算样本之间的距离,这里选欧氏距离平方。 然后定义
转载 2024-05-29 07:07:07
35阅读
在进行机器学习时,我们往往要对数据进行聚类分析,,说白了就是把相似的样品点/数据点进行归类,相似度高的样品点会放在一起,这样一个样本就会被分成几类。而聚类分析也有很多种方法,比如分解法、加入法、有序样品的、模糊法以及系统法等。而本文要介绍的就是系统法,以及如何用python来进行系统聚类分析。首先来看一下系统法的定义。系统法(hierarchical clusterin
文章目录介绍KMeans()函数介绍实例导入相关包整理数据手肘法确定分类个数创建模型绘制结果分为3的结果 作者:张双双 介绍sklearn.cluster模块提供了常用的非监督算法。 该模块中每一个算法都有两个变体: 一个是(class)另一个是函数(function)。 实现了fit方法来从训练数据中学习;对来说,训练过程得到的标签数据可以在属性 labels_ 中找到。
一、K-means算法分析31省市消费水平 代码:import numpy as np from sklearn.cluster import KMeans def loadData(filePath): fr = open(filePath,'r+') # r+:以读写的方式打开一个文本文件 lines = fr.readlines() #以readlines方式打开整个
转载 2023-11-02 17:01:48
50阅读
 kmeans相信大家都已经很熟悉了。在Python里我们用kmeans通常调用Sklearn包(当然自己写也很简单)。那么在Spark里能不能也直接使用sklean包呢?目前来说直接使用有点困难,不过我看到spark-packages里已经有了,但还没有发布。不过没关系,PySpark里有ml包,除了ml包,还可以使用MLlib,这个在后期会写,也很方便。  1 fro
  • 1
  • 2
  • 3
  • 4
  • 5