一个使用Java实现的人工智能的图搜索策略程序——酒九宫图问题 人工智能－图搜索策略－演示程序－使用说明 程序简介 在人工智能领域，对隐式图的搜索是求解问题的一种基本方法，本程序通过使用多种图搜索策略，对 重排九宫问题进行求解，演示了“广度优先搜索”、“深度优先搜索”、“有界深度优先搜索”、 “最好优先搜索”和“局部择优搜索”五种基本的图图搜索策略。 整个程序使用了动画技术，界面设计美观友好，使用方便。
上传时间： 2015-04-02
上传用户：坏坏的华仔
matlab绘图。详细综合matlab的绘图方法，包括二维，三维绘图。以及相映的图象编辑功能。能从多角度对图象进行处理！
上传时间： 2015-04-06
上传用户：宋桃子
理解随机信号功率谱分析原理和方法。 (1) 生成信号，被淹没在在噪声中； (2) 试用周期图法估计信号的功率谱； (3) 选用不同窗，使用修正周期图法估计信号的功率谱； (4) 对一段语音信号，使用LD算法估计其功率谱； (5) 详细列出功率谱估计的步骤和原理。
上传时间： 2015-04-07
上传用户：cccole0605
关于tts语音引擎的使用方法!很多软件具有英文发音和朗读功能，它们都使用了MSTTS（Microsoft Text To Speech）技术。微软遵照COM的标准，提供了一套Speech API来对MSTTS进行编程。要在程序中使用这套API，必须确保系统已经安装了MSTTS和Spchapi软件包。 Speech API可以作为类型库引用到Delphi中，方法是：打开Project选单下的Import Type Litrary，点击“Add”加入Windows\Speech目录下的Vtxauto.tlb文件，在Delphi的Import目录中就会生成VTxtAuto—TLB.pas文件，其中定义了VTxtAuto—TLB单元，把它加到Uses成员中来。设计如图2所示的窗口，定义全局变量： var VoTxt：IVTxtAuto 然后在Form的OnCreate事件中加入： VoTxt：=CoVTxtAuto_.Create VoTxt.Register(′′,′Speech Test′) {注册} “Read”按钮代码为： VoTxt.Speak(Memo1.Lines.Text,10) {朗读} “Stop”按钮代码为： VoTxt.StopSpeaking {停止朗读} 至此，应用程序已具有朗读功能，10表示使用普通语气。借住VoTxt的属性和方法，我们还可以控制阅读速度和语气，实现暂停、跳句等功能，Speech API编程就这么简单。
上传时间： 2014-01-21
上传用户：13681659100
目标：手工选择视频图像上的待跟踪目标；利用块匹配的方法估计目标区域在下一帧图像中的位置；循环这个过程直到目标从图像帧中消失。 技术：avi视频流的帧读取；图像帧存储格式的了解；RGB图像的灰度化；灰度图象的平滑滤波；块运动估计算法的实现；使用MFC显示图像帧；MFC上鼠标事件的使用。
上传时间： 2015-04-15
上传用户：hfmm633
制作网页的背景图，极其地好看是实用，500多幅， 个个都是经典。
上传时间： 2015-04-16
上传用户：yyq123456789
图象多尺度分析，可与多分辨方法进行比较。并可输出结果。
上传时间： 2015-04-25
上传用户：huql11633
分而治之方法还可以用于实现另一种完全不同的排序方法，这种排序法称为快速排序（quick sort）。在这种方法中， n 个元素被分成三段（组）：左段l e f t，右段r i g h t和中段m i d d l e。中段仅包含一个元素。左段中各元素都小于等于中段元素，右段中各元素都大于等于中段元素。因此l e f t和r i g h t中的元素可以独立排序，并且不必对l e f t和r i g h t的排序结果进行合并。m i d d l e中的元素被称为支点( p i v o t )。图1 4 - 9中给出了快速排序的伪代码
上传时间： 2015-04-27
上传用户：kristycreasy
接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。
标签： 周期
上传时间： 2015-05-01
上传用户：zycidjl
本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。
上传时间： 2015-05-03
上传用户：kiklkook
