回归分析-蒙特卡洛模拟MATLAB代码
回归分析--蒙特卡洛模拟MATLAB代码
包含详细注释,可供参考
LATEX入门+排版注意事项.zip
latex入门pdf+排版注意事项及技巧+美赛论文格式
美赛word模板+论文格式+排版注意事项资料整理
数学建模美赛的两个word模板+论文格式+word排版注意事项整理资料
PCA主成分分析matlab代码
PCA主成分分析matlab代码,含详细注释
计算机图形学c++代码实现
计算机图形学c++实验
实验任务及内容
基于MFC实现以下功能:
1.分别用中点画线算法、DDA画线算法、Bresenham画线算法绘制直线;
2.使用中点画圆算法绘制圆;
3.使用中点画椭圆算法绘制椭圆;
4.分别使用4邻域内点表示和边界表示法实现区域填充。
编程测试环境
Visual Studio 2019
视频车辆检测MATLAB代码及简要分析
包括MATLAB代码及简要分析文档
1 实验任务及目的
1. 综合使用锐化、频域处理方法,并与检测分割等方法进行结合;
2. 分析实验中代码,并完成实验报告。
2 数据来源及编程环境
1.数据来源:MATLAB自带文件traffic.mj2
2.编程环境:MATLAB 2016a
美赛论文模版word文档
1 Introduction
Introduction可以翻译成引言部分,大部分特等奖论文的引言部分都包含两到三个小部分。
我在下面给出了常见的四个小部分,大家可以根据自己的需要保留你要写的部分。
1.1 Problem Background
Problem Background:这个小部分里面可以总结题目所给问题的背景,也可以加上自己查到的一些相关的资料,不要直接照搬题目;
注意,美赛的问题比国赛要更开放,大家写这个部分时可以结合你对于赛题的理解,要将这个背景介绍有侧重的往自己研究的方向去靠。例如,某个现实问题往往会涉及到经济、社会、生态、文化等各个层面,如果你的模型主要针对该问题对经济造成的影响,那么你的背景介绍就侧重于对经济层面的影响来写。
1.2 Restatement of the Problem
Restatement of the Problem:问题重述,即用自己的话来总结下题目问我们的问题。
我下面给了一个通用的模版,大家可以改改:
Considering the background information and restricted conditions
python遥感影像道路分割实验报告+python代码
代码见附录部分
实验报告部分包括研究现状总结、方法和原理、实现过程、结果分析和附录
c++课程设计-寻找研究经纬仪方向观测中误差与边长的关系的最佳拟合模型
c++课程设计—寻找研究经纬仪方向观测中误差与边长的关系的最佳拟合模型
资源包括:程序使用说明书、开发程序的问题与分析文件、算例数据文件与计算结果文件、源文件和头文件
内容:
经纬仪角度测量中误差随着测量边长的减小而增加,因此在导线测量中要求
尽量避免出现短边。但角度测量中误差与边长的关系没有确定的数学模型,研究
该问题能够更准确地确定方向测量的精度。
为研究经纬仪方向观测中误差与边长的关系,某单位设计了一个测回法等边
长角度测量实验。该实验在相同的观测条件下,采用 2 秒级的 Leica TS-06plus
全站仪,以测回法分别对边长为 50 米、100 米、150 米、250 米和 350 米的等边
长角度各观测 16 测回,根据角度观测值改正数,用公式(1)计算了不同边长角度
的角度测量中误差。
要求根据表 1 的数据以及公式(3)、(4)和(5),设计一个 C++类,通过平差
分别计算每种模型的模型参数 a 与 b,并判断哪个模型可以最优拟合表 1 数据。
神经网络-多层感知机分类器训练评估及精度分析Python代码
使用scikit-learn库中的MLPClassifier(多层感知器分类器)对MNIST手写数字数据集进行训练和评估的示例,神经网络-多层感知机分类器精度分析Python代码,包括分类报告、混淆矩阵、模型准确率等内容可视化
1985-2020历年美赛赛题pdf
1985-2020历年数学建模美赛赛题pdf文档
图像分割算法MATLAB
基于MATLAB实现图像分割算法
资源内容包括MATLAB代码及简要实验分析(pdf文档)
一、 实验任务及目的
1. 综合使用锐化、频域处理方法,并与检测分割等方法进行结合;
2. 分析实验中代码,并完成实验报告。
二、 数据来源及编程环境
1.数据来源:MATLAB自带文件cell.tif
2.编程环境:MATLAB 2016a
三、 实验内容
使用图像分割进行细胞检测:(图像读取、显示、二值化、空域滤波、形态学滤波)新建脚本文件,输入下面程序,运行观察结果并对整个程序各步骤功能及各步结果进行分析。
knn模型Python实验-代码+实验报告
knn程序基于sklearn库中数据集实现k折交叉验证,并通过交叉验证结果探究适用于当前数据集下的KNN模型最佳k值的选择。
代码功能分析及处理流程主要分:数据准备、交叉验证选择最佳k值、KNN分类三部分,相应部分含有详细注释可供参考。
详细代码说明及实例分析见pdf文档,主要内容包括代码功能分析,关键函数分析及结果分析。
图像空间域锐化和频域增强matlab代码及实验分析
图像空间域锐化和频域增强matlab代码及原理、结果分析实验:
一、实验内容
1. 图像锐化:运行已给程序对月球影像进行图像锐化:
(1)分析对比不同锐化方法边缘提取效果;
(2)观察滤波后图像取值范围,分析对比不同锐化方法滤波效果;
(3)观察锐化后图像取值范围,前二种滤波方法锐化时,直接相加会出现什么问题,并分析对比不同锐化方法图像锐化效果;
(4)分析拉普拉斯图像锐化中,为什么进行数据类型转换以及归一化等操作,拉普拉斯算子两种实现方式有什么区别。
2. 图像的傅里叶变换及其反变换:对所给图片,运行已给代码,对关键步骤代码加注释解释其作用;分析结果,并解释为什么要进行频谱中心化。
3. 频域滤波原理:对所给图片,运行已给代码,观察实验结果,分析图像不填充和填充后滤波结果的区别。
4. 高斯低通滤波及高通滤波:运行所给程序,观察分析实验结果;修改D0=0.01,0.03,0.09,观察分析低通及高通滤波结果的变化。
二、数据来源及编程环境
1.数据来源:1.jpg、2.jpg、3.jpg、4.jpg 、code文件中的函数文件、
2.编程环境:MATLAB 2016a
matlab图像处理实验-图像增强的点运算及局部运算MATLAB代码及分析
matlab图像处理实验-图像增强的点运算及局部运算
资源内容包含代码、代码所需图片文件、实验报告分析(包括一 实验任务及目的中的内容)
一 实验任务及目的
1. 掌握图像增强的点运算常用方法的原理及实现;
2. 掌握图像增强的局部运算方法的原理及实现;
3. 掌握图像的读入、保存、以及其他基本的图像处理编程方法;
4. 完成实验中代码分析,实验结果分析,及要求的代码编程,总结归纳其中涉及的数字图像处理相关原理
二 数据来源及编程环境
1.数据来源:MATLAB自带图像及文件1.jpg、文件2.jpg
2.编程环境:MATLAB 2016a
数字图像处理高分遥感影像道路提取tiff文件
可供数字图像处理练习使用的高分卫星遥感影像tiff文件,可供进行道路、房屋提取等数字图像处理编程练习数据
遥感影像道路提取matlab代码
基于 MATLAB 语言,针对两种提取道路边缘的方法(梯度法和 Hough 变换法)
分别进行编程、对遥感影像进行处理,以二值图像的形式提取出其中的道路,并
将其与原彩色图像进行叠加,获得仅有道路的彩色图像。
资源包含以下件分别给出这两种方式对应的MATLAB程序以及文件说明
基于广播星历计算卫星位置matlab程序
1 实验任务及目的
了解星历文件的基本格式及内容,编写程序,实现基于广播星历的GNSS卫星位置计算,使用PPP精密单点定位原理实验平台或orbit.txt文件检验结果的正确性,完成实验报告,内容应至少包括:1)数据来源;2)处理过程及结果;3)精度评价分析;4)存在问题及解决方法等。
2 数据来源及编程测试环境
(1)数据来源 :GNSS广播星历文件
(2)编程环境:MATLAB 2016a
(3)测试环境:MATLAB 2016a及PPP精密单点定位原理实验平台
资源内容:
pdf内容主要包括卫星位置计算原理、所需文件及七格式内容、数据结构、计算步骤、编程流程、算例及结果分析的阐述,以及笔者对编程过程中一些常见问题和注意事项的总结。
coord.m:卫星位置计算程序,程序中含有详细注释,可供参考
to get options.m:一个辅助程序,卫星计算程序中用到的一个小工具,可以不必理会
(注:该程序单纯用于卫星位置计算的学习,在GPS伪距单点定位程序中用到的卫星位置计算模块在此基础上做了一些调整和改进)
GNSS伪距单点定位中导航电文、观测值文件读取matlab程序
GNSS伪距单点定位程序设计中需要读取导航电文(n文件)、观测值文件(o文件),从中获取所需内容以便后续使用。
内容:
read_nav.m:读取导航电文
函数调用格式:[obs_head,Obs]=read_obs(utc)
功能:读取n文件文件头及指定PRN号且参考时刻与观测时刻t_r相差最小的一组导航电文
read_obs.m:读取观测值文件
函数调用格式:[nav_head,Nav]=read_c_nav(prn,t_r)
功能:读取o文件文件头及观测时刻为utc(年月日时分秒形式的GPS时)的观测值数据
代码文件中注释详细,可供参考
详细使用及读取数据的数据结构介绍见说明文档
(注:代码在matlab2016a环境下编写,若使用更高版本的MATLAB运行前请先略微修改一些由于版本不同导致的语法格式)
GNSS电离层延迟、对流层延迟计算matlab程序设计实验
实验任务及目的
1. 了解常见电离层、对流层延迟消除方法;
2. 掌握模型消除、双频改正消除电离层延迟的原理和计算方法,进行程序设计、分析消除效果;
3. 掌握模型消除对流层延迟的原理和计算方法,进行程序设计、分析消除效果;
4. 对比分析GPS和北斗Klobuchar模型消除效果。
.m函数文件说明:
文件名 输入参数 函数说明
I_delay Type,E,A,rou0,t_gps,pos Klobuchar模型计算电离层延迟
ffv f1,f2,rou1,rou2 双频改正计算电离层延迟
T_delay E,rou0 对流层延迟计算
pdf内容主要包括程序设计思路、预期功能、算例及结果分析的阐述,以及笔者对编程过程中一些常见问题和注意事项的总结。
GNSS中常用时间系统的相互转化matlab代码及详解
GNSS中常见的时间系统——UTC、GPST、BDST、儒略日的相互转化
程序包括:
世界协调时→GPS时:utc2gps.m
世界协调时→北斗时:utc2bd.m
GPS时→世界协调时:gps2utc.m
GPS时→北斗时:gps2bd.m
北斗时→世界协调时:bd2utc.m
北斗时→GPS时:bd2gps.m
主程序:time_cycle.m
(UTC与GPST间的相互转化写了两种方法,包括以儒略日作为过渡,实现UTC和GPST的相互转化)
PDF文档内容主要围绕UTC、GPST、BDST、儒略日之间的相互转换,内容包括程序设计思路、预期功能、算例及结果分析的阐述,以及笔者对编程过程中一些常见问题和注意事项的总结。
计算机图形学画线画圆画椭圆区域填充C++ MFC程序设计
实验任务及内容
基于MFC实现以下功能:
1.分别用中点画线算法、DDA画线算法、Bresenham画线算法绘制直线;
2.使用中点画圆算法绘制圆;
3.使用中点画椭圆算法绘制椭圆;
4.分别使用4邻域内点表示和边界表示法实现区域填充。
编程测试环境
Visual Studio 2019
PDF文档中包括对三种画线方法、中点画圆、中点画椭圆、两种区域填充程序的预期功能、设计思路详细分析及运行结果展示
数字摄影测量实验-影像匹配MATLAB程序
包括源码和实验报告,源码中注释详细,可供参考。
一、实验目的及要求
1.编程实现SIFT特征点检测及特征匹配的算法,深入理解立体像对特征匹配中特征检测、同名特征点获取的原理和方法;
2.编程实现RANSAC算法剔除错误匹配点的算法功能,深入理解特征匹配过程中错误匹配点剔除的原理和方法;
3.增强学生编程实践能力,提升学生综合运用知识解决实际工程问题中子问题的能力。
4.以2-3人一组开展上述实验,提交成果(匹配结果及实验报告)。
二、实验内容
1.用相机或手机自行对某目标(不要选光滑,无特征点的目标)拍摄一个立体像对;
2.对左右影像进行SIFT特征提取,输出特征点坐标并在图像上标记出特征点位置;
3.对左右影像提取的特征点进行匹配,输出匹配结果并在左右图像上标记出特征点对应关系;
4.输出RANSAC错误匹配点剔除后的结果。
导线网平差matlab程序
输入txt文件格式:
已知点个数 未知点个数 测角个数 测边个数
已知点及未知点的点号、坐标
测角连接情况
角度观测值
测边连接情况
边长观测值
输出excel文件格式:
Title = { '点号', 'X坐标近似值(m)','Y坐标近似值(m)', 'X改正数(mm)', 'Y改正数(mm)','X平差值(m)','Y平差值(m)','X坐标中误差(mm)','Y坐标中误差(mm)','点位中误差(mm)','单位权中误差(mm)'
4种坐标转换MATLAB程序
包括:大地坐标与地心地固坐标之间的相互转换、地心地固坐标与站心地平坐标的相互转换共4种坐标转换的matlab程序(已封装为函数),以及一份讲解原理、算例分析的详细说明文档。
说明文档对每个程序的设计思路、预期功能以及算例及结果分析的阐述。
坐标转换实验内容:
1. 了解常用坐标系统的基本知识;
2. 掌握地心地固坐标系下坐标与大地坐标系下坐标之间相互转换的方法,编写程序进行实现;
3. 了解并掌握地心坐标与站心坐标间的相互转换。
水准网间接平差matlab程序
测绘程序设计水准网间接平差MATLAB
程序内有详细注释,可供参考
输入:excel文件:
第一列:测段名称(例:SZ01-SZ02)
第二列:高差(米)
第三列:测段长度(米)
第四列:测段序号(例:1234……)
输出:Excel文件(带表头)
手写数据集半监督分类和遥感影像非监督分类示例Python代码及简要分析报告
t2.py为手写数据集用于主动学习的示例代码,t3.py为遥感影像非监督分类示例代码,pdf为分析报告。
手写数据集半监督分类代码包括数据准备和预处理、标签传播(Label Spreading)算法的实现;遥感影像非监督分类代码代码主要分为1)数据准备及预处理;2)K均值聚类;3)簇化图像和聚类结果可视化三部分内容
(代码中包含注释解析可供参考)
简要分析报告中包括两种方法的原理、代码流程及简要解析、结果分析等
k折交叉验证寻找KNN模型的最佳k值Python代码
程序基于sklearn库中数据集实现k折交叉验证,并通过交叉验证结果探究适用于当前数据集下的KNN模型最佳k值的选择。代码功能分析及处理流程主要分:数据准备、交叉验证选择最佳k值、KNN分类三部分,相应部分含有详细注释可供参考。
详细代码说明及实例分析见pdf文档
神经网络-多层感知机分类器精度分析Python代码
神经网络-多层感知机分类器精度分析Python代码,包括分类报告、混淆矩阵、模型准确率等内容可视化
standards、MinMax标准化管道缩放方式进行GNB 和 PCA 拟合数据并进行预测及可视化对比分析python代码
文档部分为一些简单的算例分析(实验报告格式)
代码部分含有详细注释
代码内容主要包括:训练/测试拆分、使用管道式 GNB 和 PCA 拟合数据并进行预测
对比了standards标准化和MinMax标准化几种不同的管道缩放方式进行GNB 和 PCA 拟合数据并进行预测并进行可视化分析
使用多层感知机MLP分类器进行训练和评估的Python代码
使用scikit-learn库中的MLPClassifier(多层感知器分类器)对MNIST手写数字数据集进行训练和评估的示例