精华内容
下载资源
问答
  • Wigner分布函数作为一个同时表达空间/频率变量的函数,在光学领域中有着广泛的应用.提出了二维信号Wigner分布函数的数值计算方法,并模拟了一些二维实信号(圆孔,圆环和方孔)的Wigner分布函数.
  • 非常实用的基于MATLAB的二维规划算法程序,对于想要学习和深入改领域的小伙伴有很大参考意义
  • hough变换是计算机视觉领域中识别图象的一种方法, 该方法将图象空间中复杂的 ...的建波器算法, 双hough 变换以及四面体、棱柱体及平行六面体在空间中的特征、二维图象识别, 最后介绍了hough变换的应用前景 。
  • 所用的采集传感器灵敏度每对每秒可采集1000万个事件,那么数十对传感器经过长时间的采集,单次实验获取的数量非常大,常常达到上百G,针对传统的借助算法将三维空间数据近似到二维空间,尽管降低了数据量,但是丢失...

    flink性能测试

    集群测试:

    3台服务器 4核 16G

    逻辑:

    从emqtt消息队列获取数据---》 数据处理  --》 写入 redis, 写入opentsdb

     

    测试1个半小时, 大概1秒11万的并发量。

    3台服务器 8核 20G

    逻辑:

    如上

    测试一个半小时, 大概1秒20万的并发量。

    百度截图:

    场景: 采集工厂的数控机床、金属加工、汽车制造、机械设备等生产制造行业的数据分析。

     

           随着各类数据、日志的迅速增长,无论在互联网、医学还是工业领域,普通的计算机存储空间不易扩展,数据易丢失等问题也越来越凸显,这也正是目前大数据技术在互联网、医学、工业方面应用越来越多的原因。所用的采集传感器灵敏度每对每秒可采集1000万个事件,那么数十对传感器经过长时间的采集,单次实验获取的数量非常大,常常达到上百G,针对传统的借助算法将三维空间数据近似到二维空间,尽管降低了数据量,但是丢失了重要三维信息,同时数据的后期处理重建过程对单台计算机的要求过高。

     

    实现算法对三维空间数据进行模型训练,训练完成对实时数据预测, 判断是否产生故障(比如机器人焊缝pianhan, 熔深不足)
     

    通过flink获取工厂机器人运行时的数据, 可以获取三维空间数据, 存入opentsdb, 展示如下:

     

     

    展开全文
  • 图像的一维熵和二维

    千次阅读 2015-01-04 09:09:48
    图像的一维熵和二维熵 图像的熵是一种特征的统计形式,它反映了图像中平均信息量的多少。图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量,令Pi表示图像中灰度值为i的像素所占的比例,则定义灰度图象的...

    图像的一维熵和二维熵

    图像的熵是一种特征的统计形式,它反映了图像中平均信息量的多少。图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量,令Pi表示图像中灰度值为i的像素所占的比例,则定义灰度图象的一元灰度熵为:


    图象的一维熵可以表示图像灰度分布的聚集特征,却不能反映图像灰度分布的空间特征,为了表征这种空间特征,可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像的二维熵。

    选择图像的邻域灰度均值作为灰度分布的空间特征量,与图像的像素灰度组成特征二元组,记为(i,j),其中i表示像素的灰度值(0<=i<=255),j表示领域灰度均值(0<=j<=255),即可

    反应某像素位置上的灰度值与其周围像素的灰度分布的综合特征,其中f(i,j)为特征二元组(i,j)出现的频数,N为图像的尺度,定义离散的图像二维熵为:


    依此构造的图像二维熵可以在反映图像所包含的信息量的前提下,突出反映图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。

    展开全文
  • 分享的内容属于信号处理领域的阵列信号处理中的空间谱估计,解决了二维DOA仿真程序的问题
  • 二维卷积与一维卷积区别

    千次阅读 2019-05-14 14:09:49
    卷积神经网络常用在图像处理与语音识别领域,它与全连接网络不同的是,网络结构中加入了卷积层和池化层,并且神经元之间是局部连接,即每个神经元只与上一层的部分神经元相连,这样就减少了许多权重和偏置参数。...

    卷积神经网络常用在图像处理与语音识别领域,它与全连接网络不同的是,网络结构中加入了卷积层和池化层,并且神经元之间是局部连接,即每个神经元只与上一层的部分神经元相连,这样就减少了许多权重和偏置参数。其次,它遵循权值共享机制,即一组连接可以共享同一个权重,而不是每个连接有不同权重。再次,卷神经网络可以采用下采样或者池化层来减少每层样本数,剔除与样本无关的特征信息,进一步减少了网络参数。所以综合卷积神经网络的这三个特性,卷积网络在模型训练速度上快于全连接网络,且能更好的处理时序特征。

    卷积网络和全连接网络也存在一定联系,卷积网络经过一层或多层的卷积、池化操作后,通常会连接一个或多个隐藏层,用以抓取更深层次特征,且隐藏层还可以将最后的输出映射到线性可分空间,配合输出层进行分类或预测,获得更强的识别能力。可以发现,卷积网络中的隐藏层和最后输出层的组合其实就是除去输入层的全连接网络。

    卷积网络中的常用参数有kernel_size,stride,filters,pooling_type,padding等,其中kernel_size表示的是卷积核的大小,stride表示卷积核移动的步长,filters表示的是滤波器的个数也叫卷积核个数,pooling_type指的是池化类型,通常有平均池化(average pooling)和最大池化(max pooling)。以二维卷积(conv2d)为例,如公式4.6所示。

                                                                                          (4.6)

    其中为给定矩阵的大小, 为卷积核尺寸。

    二维卷积和池化的过程如图4.4所示。

                                                                            图4.4二维卷积和池化过程

    图中kernel_size是(2×2) 的卷积核,第一个卷积核权重为W1W2W3W4 ,一共有k个卷积核即filters=k,每个卷积核对应的偏置为b1b2bk ,输入input为(3×4) 的矩阵,其中宽度width=4,height=3。stride为1表示卷积核每次在width方向和height方向移动1步。以第一个卷积核为例,则输入类型为(3×4) 的矩阵经过二维卷积后变成了一个(2×3) 的特征矩阵(feature map),矩阵中每个元素的值为:

                                                        

                                                              

    由此可见,输出值是共享了第一个卷积核的权重和偏置,而k个卷积核的权重和偏置可能不同,所以k个卷积核产生k个不同的feature map。

    池化过程则是进一步减少特征值的过程,池化包括最大池化(max pooling)和平均池化(average pooling),如图4.4所示,假设池化类型是(2×2)的max pooling,stride=1,则上一层的feature map经过池化后变成了一个(1×2)的feature map,且每个元素的值为:

                                                           

    若是经过(2×2) 的average pooling,则每个元素的值为:

                   

    Padding参数的意义在于控制feature map的尺寸,在CNN中它有两种方式,valid和same。在卷积核进行滑窗操作的时候,经常会出现数据的width和height达不到卷积核的大小的情况,当padding=’valid’时,处理这种情况是直接将达不到卷积核大小的数据舍弃掉,而padding=’same’时,则是将0填充到卷积核中以达到卷积核尺寸从而继续进行卷积操作。可以看出padding=’valid’时,数据尺寸明显减少。

    综上,输入特征经过卷积和池化后,feature map维度明显减少,得到更有效的特征值,一定程度上缓解了过拟合,这也说明了卷积网络训练速度之快。经过若干卷积层和池化层后,会将输出向量(二维)平摊(flatten)成一个一维向量,然后再送入到若干隐藏层并配合输出层进行识别。后续的计算原理与全连接网络一样,不再赘述。

    以上是二维卷积网络结构,输入的是二维矩阵,这种结构经常用在图像识别上,因为图像有宽(width)和高(height)两个像素,但是对于语音这种时序信号,二维卷积网络往往不是很友好,所以通常采用一维卷积网络进行训练。一维卷积(conv1d)的过程是卷积核只在一个方向上进行滑窗操作,即在width方向或height方向上进行加权求和。一维卷积网络的卷积和池化过程如图4.5所示。

                                                                         图4.5一维卷积和池化过程

    首先输入数据input仍然是为(3×4)的矩阵,卷积核大小kernel_size为2,即它的高(height)为2,stride为1,卷积核个数为k。conv1d滑窗操作实际上是一个以kernel_size为高,输入数据维度为宽的卷积核向height方向加权求和的过程,如图,当输入数据经过第一个卷积核的滑窗操作后转变成了一个(2×1)的列向量,其中:

                                                 

    同理,k个卷积核进行滑窗操作形成k个(2×1)的列向量,即形成(2×k)的feature map(k维矩阵)。

    池化过程的滑窗操作与卷积类似,假设pool_size为2,即相当于一个height为2,width为经过一个卷积核卷积后的数据维度即为1,所以经过最大池化和平均池化后,分别形成了一个(1×1)的向量:

                                                                                                    

    一维卷积输出k个(2×1)的列向量经过池化后也会形成k个列向量,将这k个列向量拼接在一起,所以最大池化和平均池化最后形成的矩阵尺寸是(1×k) 。

    展开全文
  • 快速矩阵二维条码:QR码

    千次阅读 2009-09-14 04:19:00
    QR Code码是由日本Denso公司于1994年9月研制的一种矩阵二维码符号,它除具有一维条码及其它二维条码所具有的信息容量大、可靠性高、可表示汉字及图象多种文字信息、保密防伪性强等优点外,还具有如下主要特点: ...

    介绍

    QR Code码是由日本Denso公司于1994年9月研制的一种矩阵二维码符号,它除具有一维条码及其它二维条码所具有的信息容量大、可靠性高、可表示汉字及图象多种文字信息、保密防伪性强等优点外,

    QR Code概述

    QR Code具有如下主要特点:

    普通的一维条码只能在横向位置表示大约20为的字母或数字信息,无纠错功能,使用时候需要后台数据库的支持,而二维条码是横向纵向都存有信息,可以放入字母、数字、汉字、照片、指纹等大量信息,相当一个可移动的数据库。如果用一维条码与二维条码表示同样的信息,QR二维码占用的空间只是条码1/11的面积。 

    QR 码 (2D 符号) 在横向和纵向上都包含有信息,而 条码只有一个方向上包含有信息。QR 码能够包含的信息比条码多得多

    点击看大图

    QR二维码比其他二维码相比,具有识读速度快、数据密度大、占用空间小的优势。QR码的三个角上有三个寻象图形,使用CCD识读设备来探测码的位置、大小、倾斜角度、并加以解码,实现360读高速识读。每秒可以识读30个含有100个字符QR码。QR码容量密度大,可以放入1817个汉字、7089个数字、4200个英文字母。QR码用数据压缩方式表示汉字,仅用13bit即可表示一个汉字,比其他二维条码表示汉字的效率提高了20%。QR具有4个等级的纠错功能,即使破损或破损也能够正确识读。QR码抗弯曲的性能强,通过QR码中的每隔一定的间隔配置有校正图形,从码的外形来求得推测校正图形中心点与实际校正图形中心点的误差来修正各个模快的中心距离,即使将QR码贴在弯曲的物品上也能够快速识读。QR码可以分割成16个QR码,可以一次性识读数个分割码,适应于印刷面积有限及细长空间印刷的需要。此外微型QR码可以在1厘米的空间内放入35个数字或9个汉字或21个英文字母,适合对小型电路板对ID号码进行采集的需要。 多到 7,089 数字可以被编码(下图为300 个字符或数字被编进这样大小的QR码里面)

    同样的数据只有条码的十分之一大小

    超高速识读

    从QR Code码的英文名称Quick Response Code可以看出,超高速识读特点是QR Code码区别于四一七条码、Data Matrix等二维码的主要特性。由于在用CCD识读QR Code码时,整个QR Code码符号中信息的读取是通过QR Code码符号的位置探测图形,用硬件来实现,因此,信息识读过程所需时间很短,它具有超高速识读特点。用CCD二维条码识读设备,每秒可识读30个含有100个字符的QR Code码符号;对于含有相同数据信息的四一七条码符号,每秒仅能识读3个符号;对于Data Martix矩阵码,每秒仅能识读2~3个符号。QR Code码的超高速识读特性是它能够广泛应用于工业自动化生产线管理等领域。

    全方位识读:

    QR Code码具有全方位(360°)识读特点,这是QR Code码优于行排式二维条码如四一七条码的另一主要特点,由于四一七条码是将一维条码符号在行排高度上的截短来实现的,因此,它很难实现全方位识读,其识读方位角仅为±10°.能够有效地表示中国汉字、日本汉字:
    由于QR Code码用特定的数据压缩模式表示中国汉字和日本汉字,它仅用13bit可表示一个汉字,而四一七条码、Data Martix等二维码没有特定的汉字表示模式,因此仅用字节表示模式来表示汉字,在用字节模式表示汉字时,需用16bit(二个字节)表示一个汉字,因此QR Code码比其它的二维条码表示汉字的效率提高了20%。

    编码字符集:
        1、数字型数据(数字0~9);
        2、字母数字型数据(数字0~9;大写字母A~Z;9个其他字符:space ,$, %, *, +, -, ., /, :);
        3、8位字节型数据;
        4、日本汉字字符;
        5、中国汉字字符(GB 2312对应的汉字和非汉字字符)。

    QR Code码符号的基本特性符号规格 21×21模块(版本1)-177×177 模块(版本40) (每一规格:每边增加4个模块)

    数据类型与容量(指最大规格符号版本40-L级)
       · 数字数据 :7,089个字符
       · 字母数据 :4,296个字符
       · 8位字节数据 :2,953个字符
       · 中国汉字、日本汉字数据 :1,817个字符

    数据表示方法 深色模块表示二进制“1”,浅色模块表示二进制“0”。


    纠错能力
      · L级:约可纠错7%的数据码字
      · M级:约可纠错15%的数据码字
      · Q级:约可纠错25%的数据码字
      · H级:约可纠错30%的数据码字

    结构链接(可选) 可用1-16个QR Code码符号表示一组信息掩模(固有) 可以使符号中深色与浅色模块的比例接近1:1,使因相邻模块的排列造成译码困难的可能性降为最小。扩充解释(可选) 这种方式使符号可以表示缺省字符集以外的数据(如阿拉伯字符、古斯拉夫字符、希腊字母等),以及其他解释(如用一定的压缩方式表示的数据)或者对行业特点的需要进行编码。 独立定位功能
    QR Code码可高效地表示汉字,相同内容,其尺寸小于相同密度的PDF417条码。目前市场上的大部分条码打印机都支持QR code条码,其专有的汉字模式更加适合我国应用。因此,QR code在我国具有良好的应用前景。

    展开全文
  • 基于遗传算法二维下料问题/矩形件排样/matlab程序

    万次阅读 多人点赞 2019-05-16 11:46:16
    基于遗传算法的二维板材切割下料优化问题/matlab程序 关键词: 遗传算法, 二维板材切割, matlab 引言 二维板材切割问题在实际的工程中有很多的应用,该问题基本等同于矩形件优化排样,具体是指将若干尺寸不相同的...
  • 基于改进离散萤火虫算法的二维排样问题优化,吴堂福,杨建军,将应用于连续空间优化的萤火虫算法扩展到离散二维排样领域,根据二维排样问题特点,设计了与问题相适应的改进萤火虫算法。由于优
  • 二维离散傅里叶变换 matlab

    万次阅读 2018-10-17 23:21:23
    实际上对图像进行二维傅里叶变换得到频谱图,就是图像梯度的分布图,傅里叶频谱图上看到的明暗不一的亮点就是某一点与领域差异的强弱,即梯度的大小(该点的频率大小)。 一.原理 1、代数形式的傅里叶变换: 2...
  • 二维物体形状识别方法比较

    万次阅读 2010-11-09 09:30:00
    二维物体形状识别方法比较
  • 二维物体形状识别方法(二)

    千次阅读 2016-11-30 09:07:05
    摘 要 针对模式识别中二物体的形状识别问题,以值图像中的物体形状为主要研究对象,依次从特征提取、分类器设计两个主要层面对形状识别方法进行了全面综述,并分析了国内外研究现状,特别是近年来所取得的最新...
  • 傅里叶变换(二维离散傅里叶变换)

    万次阅读 多人点赞 2018-06-15 22:22:35
    离散二维傅里叶变换一常用性质: 可分离性、周期性和共轭对称性、平移性、旋转性质、卷积与相关定理;(1)可分离性: 二维离散傅里叶变换DFT可分离性的基本思想是DFT可分离为两次一维DFT。因此可以用通过计算两次...
  • 二维图像三维化

    万次阅读 2018-09-29 11:40:49
    马尔理论认为,人们首先从看到的二维图像中提取一些诸如点、线、区域等简单基元, 然后通过双目立体视觉,运动视觉等视觉模块将这些简单基元的深度进行复原,最后对物体的整体几何形状给出一个简单表达。...
  • 在某些特殊的场合需要动态的数组分配,...虽然编程有点虐心,,,,在图像处理领域,有时需要动态分配一段内存用于存储图像,大家都知道图像在内存中存储形式都是以连续的一数组的形式存放,故平常使用就分配一
  • 一分钟看懂一维空间到十维空间

    万次阅读 2018-12-16 23:08:54
    如果把一到十维度的空间用一张图来表达,你是否会看得明白呢?根据弦理论,粒子被看作是长度为普朗克尺度一弦,在引入费米子的座标后,科学家提出了超弦理论。超弦理论暗示的平行宇...
  • 二维平面内两直线交点计算

    千次阅读 2019-03-08 22:03:17
    二维平面内两直线交点计算
  • 在看这两个函数之前,我们需要先了解一维卷积(conv1d)和二维卷积(conv2d),二维卷积是将一个特征图在width和height两个方向进行滑动窗口操作,对应位置进行相乘求和;而一维卷积则只是在width或者height方向上进行...
  • 维空间数据模型及结构

    千次阅读 2014-06-30 20:55:01
    6 三维空间数据模型及结构近几年,很多人都在致力于三维数据模型的研究,虽然有三维GIS系统问世,但其功能远远不能满足人们分析问题的需要。原因主要是三维GIS理论不成熟,其拓扑关系模型一直没有解决,另外三维...
  • 简介:建立三维人脸模型 -> 参数化人脸生成 -> 从单张人脸的二维照片,利用三维人脸模型,重建三维人脸 -> 三维人脸参数化识别 1. 根据三维人脸的点云数据库,建立三维人脸模型 (高维向量人脸空间...
  • 为了解决这一问题,将一维整数动态帐篷映射模型拓展为二维整数动态帐篷映射模型。二维整数动态帐篷映射模型产生的序列之间存在着扰动机制,进而增加了序列的复杂度,但这种扰动极值并不复杂,计算量较低。将该模型与...
  • 图像分割之一维二维最大熵阈值

    千次阅读 2019-05-23 22:32:44
    图像进行值化的过程中,显然是需要一个阈值的,这个阈值取多少?前面已经有一种通过像素领域动态确定每个像点点阈值的方法 。 OpenCV中提供了自适应阈值化函数adaptiveThreshold来实现自适应阈值处理。 函数...
  • 如何下载矢量二维电子地图数据

    千次阅读 2017-05-22 15:21:26
    所谓二维,就是平面的东西,只有长和宽两个维度。 基于矢量化的电子地图,当放大或缩小显示地图时,地图信息不会发生失真,并且用户可以很方便地在地图上编辑各个地物,将地物归类,以及求解各地物之间的空间关系,...
  • 3.2 二维插值方法 1、高维插值的应用背景 2、二维插值的基本原理 2.1、规则网格下二维插值 2.2、散乱节点网格下二维插值 3、插值方法 3.1、最邻近插值法 3.2、分片线性插值 3.3、双线性插值 3.3 数据拟合方法 1、...
  • 二维条码 QR Code

    千次阅读 2009-03-18 13:56:00
    (第三个图已加密,密码为 ora_SIDs) QR Code (Quick Response Code)是由日本Denso公司于1994年9月研制的一种矩阵二维码符号,比起我们常见的Bar Code, 二维的QR Code具有的信息容量大、可靠性高、可表示日文,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 74,614
精华内容 29,845
关键字:

二维空间的领域