周围计算matlab代码DLORE-DP Dense Members of Local Cores-based Density Peaks Clustering Algorithm DLORE_DP.m 的 matlab 代码和合成数据集包括 DLORE-DP 算法（手稿的算法 4），CoreSearch_supk.m 包括算法 2 和算法 3。使用 DP.m集群本地核心。 drawcluster2 用于绘制聚类结果。 SNNDPC2.m 包含我们在实验中比较的 SNN-DPC 算法。 合成数据集 pacake 包括我们在实验中使用的合成数据集

beta分布的概率密度的matlab代码#ReadMe本文档说明了如何通过“生成每日轨迹模式的个人移动性的基本模型”一文来运行个人空间时空移动性模型。 整个建模过程分为13个子脚本。 它们以应运行的顺序命名和引入。 对于每个步骤，都介绍了功能，输入和输出文件以及如何运行代码。 我们提供了两个样本输入文件ExtractedStays.txt和SampleStayRegion.txt ，以便对模型感兴趣的任何人都可以使用样本数据来完成所有步骤。 该代码是用c ++和Matlab编写的。 ## Step1GenerateMoment.cpp函数：执行房屋和其他位置的力矩计算输入文件：SampleStayRegion.txt 输出文件：MomentCalculation.txt，MeanSDProd.txt 输出格式： MomentCalculation.txt 每列是不同的时刻，每行是像元大小的粒度， 第1到9行用于归位时间第10至18行用于工作地点第19到27行用于其他位置MeanSDProd.txt： 每种粒度下每个单元中房屋和其他位置的密度乘积的平均值如何运行： g ++ -O3 St

运用随机过程的正交展开方法,将地震动加速度过程表示为由 10个左右的独立随机变量所调制的确定性函数的线性组合形式。结合概率密度演化方法和等价极值事件的基本思想,研究了非线性结构的抗震可靠度分析问题。以具有滞回特性的非线性结构为例,对某一多自由度的剪切型框架结构进行了抗震可靠性分析。结果表明:按照复杂失效准则计算的结构抗震可靠度较之结构各层抗震可靠度均低。这一研究为基于概率密度函数的、精细化的抗震可靠度计算提供了新的途径。

用于指尖感应的高密度柔性触觉传感器阵列

基于改进的BP译码算法-LLR BP译码算法，在AwGN信道下，在量化范围、量化比特数、量化方式选择这三方面分别对输入信号和中间变量进行了性能仿真与对比，最后经过分析比较，提出了一种新型和有效的量化方案．笔者采用的奇偶校验码为基于802．16e标准的准循环低密度奇偶校验码(QC-LDPC)．在假设输入信号为等概输入，且设置译码算法中最大迭代次数为10的前提下，通过MATLAB仿真，可发现准循环低密度奇偶校验码不但具有良好的性能，而且更有利于硬件的实现．与此同时，与未量化的LLR BP译码算法相比，文中提出

为了解决在复杂背景以及人流密集且互相遮挡的场景下, 对人流密度进行估计精度低的问题, 提出了基于YOLOv3增强模型融合的方法进行人流密度估计. 首先将数据集分别进行头部标注和身体标注, 生成头部集和身体集. 然后用这两个数据集分别训练两个YOLOv3增强模型YOLO-body和YOLO-head, 最后使用这两个模型在相同的测试数据集上推理, 将其输出结果进行极大值融合. 结果表明基于YOLOv3增强模型融合的方法, 与原始目标检测方法和密度图回归的方法相比精度提高了4%, 且具有较好的鲁棒性.

根据基因工程菌高密度发酵过程中对PH值控制的要求，采用模糊控制实现基因工程菌高密度发酵罐的PH值控制。PLC模糊控制器查表方式实现对输入量的模糊化、模糊控制表查询。给出了模糊控制算法的程序框图和部分梯形图。结果表明，用PLC实现的模糊控制器简单实用，为模糊控制技术在过程控制中的应用提供了更加广阔的前景。

2000-2020 中国人口密度公里格网数据（免费数据） 来源：Worldpop

功率谱密度函数 MATLAB代码帧差异 该项目最初是 Paxton 和 Dale (2012) 中帧差分 Matlab 代码的简单 R 翻译。 此外，我们还添加了一些辅助功能，用于使用非常简单的 ffmpeg 包装功能将视频文件拆分为 jpeg。 我们可能会在未来为 ffmpeg 添加额外的功能，但目前该功能的唯一目的是为用户定义的采样率提取视频帧。 在当前形式下，它还可以仅提取关键帧。 还有一个用于根据频率和周期估计和绘制功率谱密度的函数。 这对于研究帧差分输出的频率内容可能很有用。 安装 devtools::install_github('') 附加安装说明 使用 ffpmeg 功能需要安装 ffmpeg 并可通过命令行访问。

本项目从生活细节出发，将计算机视觉应用在饭堂人数检测上，结合软硬件设施：算法基于深度卷积神经网络模型，硬件基于树莓派 RaspberryPi3 Model B，终端为 Web APP 或者公众号平台，学生可以通过终端获取饭堂人数密度热力图。