a META serach engine
上传时间： 2014-09-12
上传用户：a6697238
Heritrix是一个开源,可扩展的web爬虫项目。Heritrix设计成严格按照robots.txt文件的排除指示和META robots标签。
上传时间： 2015-11-29
上传用户：bruce
MQL4外汇交易平台的脚本语言参考文档 MQL4是META Trader外汇交易平台的一种脚本语言，使用这种脚本语言可以实现外汇自动交易。
上传时间： 2013-12-16
上传用户：lepoke
Boosting is a META-learning approach that aims at combining an ensemble of weak classifiers to form a strong classifier. Adaptive Boosting (Adaboost) implements this idea as a greedy search for a linear combination of classifiers by overweighting the examples that are misclassified by each classifier. icsiboost implements Adaboost over stumps (one-level decision trees) on discrete and continuous attributes (words and real values). See http://en.wikipedia.org/wiki/AdaBoost and the papers by Y. Freund and R. Schapire for more details [1]. This approach is one of most efficient and simple to combine continuous and nominal values. Our implementation is aimed at allowing training from millions of examples by hundreds of features in a reasonable time/memory.
标签： META-learning classifiers combining Boosting
上传时间： 2016-01-30
上传用户：songnanhua
PHP国外新闻发布系统的下载地址_下载_ASP集中营< _TITLE> < META http
上传时间： 2017-01-16
上传用户：wcl168881111111
AdaBoost, Adaptive Boosting, is a well-known META machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files 1. ADABOOST_tr.m 2. ADABOOST_te.m to traing and test a user-coded learning (classification) algorithm with AdaBoost. A demo file (demo.m) is provided that demonstrates how these two files can be used with a classifier (basic threshold classifier) for two class classification problem.
标签： well-known algorithm AdaBoost Adaptive
上传时间： 2014-01-15
上传用户：qiaoyue
AdaBoost, Adaptive Boosting, is a well-known META machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files
标签： well-known algorithm AdaBoost Adaptive
上传时间： 2013-12-31
上传用户：jiahao131
MTK 手机软件开发 META 源代码,开发环境: C++ Builder
上传时间： 2014-01-13
上传用户：frank1234
META首份元宇宙白皮书称，如果元宇宙技术从 2022 年开始被采用，到 2031 年，元宇宙技术将为全球 GDP 贡献 3.01 万亿美元，其中三分之（1.04 万亿美元）来自亚太地区。2022-the-potential-global-economic-impact-of-the-METAverse报告原文下载，PDF文档下载
上传时间： 2022-07-26
上传用户：canderile
近年来微光、红外、X光图像传感器在军事、科研、工农业生产、医疗卫生等领域的应用越来越为广泛，但由于这些成像器件自身的物理缺陷，视觉效果很不理想，往往需要对图像进行适当的处理，以得到适合人眼观察或机器识别的图像。因此，市场急需大量高效的实时图像处理器能够在传感器后端对这类图像进行处理。而FPGA的出现，恰恰解决了这个问题。 近十年来，随着FPGA(现场可编程门阵列)技术的突飞猛进，FPGA也逐渐进入数字信号处理领域，尤其在实时图像处理方面。Xilinx的研究表明，在2000年主要用于DSP应用的FPGA的发货量，增长了50％；而常规的DSP大约增长了40％。由于FPGA可无比拟的并行处理能力，使得FPGA在图像处理领域的应用持续上升，国内外，越来越多的实时图像处理应用都转向了FPGA平台。与PDSP相比，FPGA将在未来统治更多前端(如传感器)应用，而PDSP将会侧重于复杂算法的应用领域。可以说，FPGA是数字信号处理的一次重大变革。 算法是图像处理应用的灵魂，是硬件得以发挥其强大功能的根本。”共轭变换”图像处理方法是一种新型的图像处理算法，由郑智捷博士上个世纪90年代初提出。这种算法使用基元形状(META-shape)技术，而这种技术的特征正好具备几何与拓扑的双重特性，使得大量不同的基于形态的灰度图像处理滤波器可用这种方法实现。该种算法在空域进行图像处理，无需进行大量复杂的算术运算，算法简单、快速、高效，易于硬件实现。通过十多年来的实验与实践证明，在微光图像，红外图像，X光图像处理领域，”共轭变换”图像处理方法确实有其独特的优异性能。本篇论文就针对”共轭变换”图像处理方法在微光图像处理领域的应用，就如何在FPGA上实现”共轭变换”图像处理方法展开研究。首先在Matlab环境下，对常用的图像增强算法和”共轭变换”图像处理方法进行了比较，并且在设计制作“FPGA视频处理开发平台”的基础上，用VHDL实现了”共轭变换”图像处理方法的基本内核并进行了算法的硬件实现与效果验证。此外，本文还详细地讨论了视频流的采集及其编码解码问题以及I2C总线的FPGA实现。
上传时间： 2013-04-24
上传用户：CHENKAI
