基于蒙特卡罗算法的随机纤维插件：周期对称性与纤维含量的可视化工具,基于蒙特卡罗的随机算法生成具有周期对称性及含量界定的单向随机纤维插件模型,基于蒙特卡罗的随机算法(经典硬核模型orRSA随机吸附法 )，生成单向随机纤维插件，特点: 1.可以画带界面厚度，rve边缘产生的纤维具有周期对称性， 2.画的过程中可以同时显示rve内的纤维个数以及含量，以及界面厚度 ,基于蒙特卡罗的随机算法; RSA随机吸附法; 生成单向随机纤维插件; 周期对称性纤维; 显示RVE纤维个数与含量; 界面厚度。,基于蒙特卡罗算法的随机纤维插件生成工具

针对并联机构输出自由度固定,难以适应变化的环境和工况的问题。根据变胞理论中改变运动副方位特征实现构态变换的原理,设计一种新型可变转动副轴线的2-PrRS-PR(P) S并联变胞机构,通过机构的变胞实现机构在不同构态下输出自由度和工作空间的变化。2-PrRS-PR(P) S机构包含3个分支、动平台和静平台,利用移动副作为驱动副,其中分支2和分支3能够通过改变移动副的位移来改变的可转轴线转动副在滑槽中的位置,进而改变其转动轴线的方向,且分支1上连杆的移动副在轴线变化时被动作用,实现机构不同构态的变化。根据机构特点,利用螺旋理论对2-PrRS-PR(P) S机构2个工作构态进行自由度分析和计算,应用多自由度并联机构输入选取理论确定主动输入副。利用SolidWorks软件建立三维实体模型,并将2种工作构态模型分别导入到ADAMS软件,对其进行自由度的分析和验证。计算和仿真结果表明机构工作构态1具有x轴和y轴方向转动自由度、z轴方向移动自由度;机构在构态3具有x轴和z轴方向转动自由度、y轴方向移动自由度。机构能够根据需求改变工作构态实现输出变化。

Measuring the electromagnetic properties of materials has important applications in many fields. In this paper, two electrically small sensors based on the split ring resonators (SRRs) with extended long legs, i.e., two-layer and three-layer magnetic coupled SRRs, are proposed to measure the permittivity of small samples of unknown materials. By virtue of several merits, such as extremely compact size for two-layer and three-layer magnetic coupled SRRs, respectively), high quality factor (Q), and stable resonance. Especially, the proposed three-layer magnetic coupled sensor with opposite splits on the SRRs is able to further improve the quality factor and have better stability compared with the two-layer coupled sensor. By different shifting resonant frequencies instead of the single ones and the polynomial fitting method, the proposed sensors can accuratelycalculatetheunknownpermittivity.Simulatedandexperimentalresultshavevalidatedtheefficacy of the proposed approach and designs. With the features of compact size and lower far-field radiation, the proposed resonators can be combined with various permittivity measurement algorithms to improve the measurement accuracy in a wide range of environments beyond the specific experimental setup.

基于仿射和 B 样条网格的两个 2D 彩色/灰度图像或 3D 体积或点数据的配准和数据拟合。 配准可以基于强度/像素，或基于地标/对应点（参见 OpenSurf），或组合进行。 描述 基于像素的配准： 该函数是 D. Rueckert 等人中 b 样条配准算法的（增强）实现。 “使用自由形式变形的非刚性配准：对乳房 MR 图像的应用”。 包括 Rueckert（薄金属片弯曲能量）和 Jacobian（微分形）函数的平滑度惩罚。 还包括将局部标准化互信息作为配准误差，允许图像或体积为不同类型/模态，例如 MRI T1 和 T2 患者扫描。 这个怎么运作： 构建了一个 b 样条控制点网格，它控制输入图像的变换。 误差测量用于测量运动图像和静态图像之间的配准误差。 准牛顿 Matlab 优化器 fminlbfgs（也在 Mathworks 上）用于移动控制点，以实现两幅图像之间的最佳配准，

#Reduced-Rank Randomized SVD 包 (RRSVD-Package) 此存储库包含论文“Fast Time-Evolving Block-Decimation algorithm through Reduced-Rank Radomized Singular Value Decomposition”中描述的方法的实现 介绍 mxn 矩阵A的奇异值分解的计算复杂度为O (mn^2)。 因此，对于大型矩阵，SVD 可能需要大量时间。 在许多情况下，不需要完整的 SVD：实际上只需要最大的奇异值（以及相应的左奇异向量和右奇异向量）。 通过使用截断的 SVD方法，可以避免A的完整SVD，只计算前k 个奇异值和相应的奇异向量； 这些方法是数据分类算法、信号处理和其他研究领域的标准工具。 Implicitly Restarted Arnoldi Method 和 Lanczos

哨兵3数据处理软件，运行环境建议在linux环境下运行 操作详情见其中readme 详细使用操作详见后续博客 ATMOSPHERIC CORRECTION OF SUN-GLINT CONTAMINATED OCEAN COLOUR OBSERVATIONS François Steinmetz Pierre-Yves Deschamps Didier Ramon

Terrscan详细操作文档使用说明，内容齐全，方便学习TerrScan处理点云数据。

包含拟合方程确定、反演、出图等等，该方法同样可以用于二氧化碳、人口等经济社会指标的空间化分析，方法类似，只需将视频中的GDP数据更换成其他数据，当然不排除其他数据需要进行空间化前的预处理，这部分自行处理。

terrasolid最新的版本，适用于MicrostationV8版本

基于GAN的HRRS图像生成样本分类 基于GAN的方法用于生成高分辨率遥感数据，以进行数据增强和图像分类。 深度学习框架是：Tensorflow。 Python版本：2.7 CUDA版本：9.1 端子命令： 数据集为UCM，NWPU-RESISC45：（1）UC Merced数据集 （2）NWPU-RESISC45数据集