2019年06月_Joeyos

06月 05月 01月

原创 Linux自定义后台服务进程

#include <sys/types.h>#include <sys/socket.h>#include <stdio.h>#include <netinet/in.h>#include <arpa/inet.h>#include <unistd.h>#include <string.h>#incl...

2019-06-23 23:02:32 1116

原创 CMake交叉编译

文章目录文件目录CMakeLists.txt交叉编译环境配置文件目录├── CMakeLists.txt│ ├── cmake│ │ ├── modules │ │ └── toolschain│ │ └── Tiny4412.cmake CMakeLists.txt在顶层CMakeLists.txt中添加以下...

2019-06-12 15:28:41 1382

原创 win10子系统linux下cmake编译32位程序

文章目录配置软件源安装编译环境编写CMakeLists.txtcmake编译运行程序对于win10系统的linux的安装这里不再介绍，这里只介绍子系统环境下的cmake编译32位程序，这里的linux为Ubuntu 18.04.2 LTS 64位。系统信息可以通过如下命令查看：cat /etc/issueuname -a配置软件源apt安装软件时可能无法通过默认源安装，可在配置文件添...

2019-06-09 16:45:47 4146

原创 CMakeLists编写

# Project namePROJECT(test_main)# Head file pathINCLUDE_DIRECTORIES( include)# Source directory: src/AUX_SOURCE_DIRECTORY(src DIR_SRCS)# Set environment variableSET(TEST_MAIN ${DIR_SRCS})...

2019-06-04 15:21:00 453

NSST非下采样剪切波变换工具箱

NSST非下采样剪切波变换工具箱，可用于红外与可见光图像分解融合等领域

2019-02-21

imagefusion图像融合数据集

imagefusion图像融合数据集，www.imagefusion.org网站常用数据集，附带论文《A general framework for multiresolution image fusion: from pixels to regions》

2019-01-15

OCTEC公司图像融合A general framework of multiresolution image fusion

[17] G. Piella. A general framework of multiresolution image fusion: From pixel to regions[J]. Information fusion, 2003(4)：259-280. 英国OCTEC公司提供两组配准了的红外和彩色图像进行融合实验

2019-01-15

DSP TMS320C6678图像处理二维FFT代码

DSP TMS320C6678图像处理二维FFT代码，输入一维数据，对其进行二维FFT变换，基于DSP TMS320C6678。

2018-12-19

jQuery模仿京东商城购物车

jQuery模仿京东商城购物车，可查看购物车商品，删除商品，登录等功能。

2018-09-13

Cesium-1.48+nodejs8.1.zip安装包下载

Cesium-1.48安装包+nodejs8.1安装包 cesiumjs是什么一个世界级3D地球仪和地图的开源JavaScript库。

2018-08-31

第1章绪论第2章 SAR成像原理 2.1 引言 2.2 SAR系统参数 2.3 单脉冲距离向处理 2.4 线性调频脉冲与脉冲压缩 2.5 SAR方位向处理 2.6 SAR线性测量系统 2.7 辐射定标 2.8 小结参考文献附录2A星载SAR的方位向处理第3章图像缺陷及其校正 3.1 引言 3.2 SAR成像散焦 3.2.1 自聚焦方法 3.2.2 自聚焦技术的精确性 3.2.3 散射体性质对自聚焦的影响 3.3 几何失真与辐射失真 3.3.1 物理原因及关联的失真 3.3.2 基于信号的MOCO方法 3.3.3 天线稳定性 3.4 残留SAR成像误差 3.4.1 残留的几何与辐射失真 3.4.2 旁瓣水平 3.5 基于信号的MOCO方法的改进 3.5.1 包含相位补偿的迭代自聚焦 3.5.2 较小失真的高频跟踪 3.5.3 常规方法与基于信号方法相结合的MOC0方法 3.6 小结参考文献第4章 SAR图像的基本特性 4.1 引言 4.2 SAR图像信息的特质 4.3 单通道图像类型与相干斑 4.4 多视处理估计RCS 4.5 相干斑的乘性噪声模型 4.6 RCS估计——成像与噪声的影响 4.7 SAR成像模型的结果 4.8 空间相关性对多视处理的影响 4.9 系统引入空间相关性的补偿 4.9.1 子采样 4.9.2 预平均 4.9.3 插值 4.10 空间相关性估计：平稳性与空间平均 4.11 相干斑模型的局限性 4.12 多维SAR图像 4.13 小结参考文献第5章数据模型 5.1 引言 5.2 数据特征 5.3 经验数据分布 5.4 乘积模型 5.4.1 RCS模型 5.4.2 强度概率密度函数 5.5 概率分布模型的比较 5.6 基于有限分辨率成像的目标RCS起伏 5.7 数据模型的局限性 5.8 计算机仿真 5.9 小结参考文献第6章 RCS重建滤波器 6.1 引言 6.2 相干斑模型和图像质量度量 6.3 贝叶斯重建 6.4 基于相干斑模型的重建 6.4.1 多视处理相干斑抑制 6.4.2 最小均方误差相干斑抑制 …… 第7章 RCS分类与分割第8章纹理信息提取第9章相关纹理第10章目标信息第11章多通道SAR数据的信息处理第12章多维SAR图像分析技术第13章 SAR图像的分类第14章现状与前景分析

2018-08-29

Effective C++ 中文版第三版高清PDF

《Effective C++：改善程序与设计的55个具体做法》(中文版)(第3版)一共组织55个准则，每一条准则描述一个编写出更好的C++的方式。每一个条款的背后都有具体范例支撑。第三版有一半以上的篇幅是崭新内容，包括讨论资源管理和模板（templates）运用的两个新章。为反映出现代设计考虑，对第二版论题做了广泛的修订，包括异常（exceptions）、设计模式（design patterns）和多线程（multithreading）。《Effective C++》的重要特征包括： ·高效的 classes、functions、templates 和inheritance hierarchies（继承体系）方面的专家级指导。 ·崭新的 TR1 标准程序库功能应用，以及与既有标准程序库组件的比较。 ·洞察 C++和其他语言（例如Java、C#、C）之间的不同。此举有助于那些来自其他语言阵营的开发人员消化吸收 C++ 式的各种解法。

2018-08-07

PRML模式识别与机器学习.pdf(中文版+英文版)

PRML模式识别与机器学习，英文原版+中文翻译（马春鹏版），共大家学习！

2018-05-01

模式识别第4版（中文版+英文版+PPT源码）

《模式识别（第四版）》是2010年电子工业出版社出版的图书，作者是西奥多里蒂斯。本书由模式识别领域的两位顶级专家合著，全面阐述了模式识别的基础理论、最新方法、以及各种应用。作　者：(希)Sergios Theodoridis / (希)Konstantinos Koutroumbas，李晶皎等译第1章导论 1.1 模式识别的重要性 1.2 特征、特征向量和分类器 1.3 有监督、无监督和半监督学习 1.4 MATLAB程序 1.5 本书的内容安排第2章基于贝叶斯决策理论的分类器 2.1 引言 2.2 贝叶斯决策理论 2.3 判别函数和决策面 2.4 正态分布的贝叶斯分类 2.5 未知概率密度函数的估计 2.6 最近邻规则 2.7 贝叶斯网络习题 MATLAB编程和练习参考文献第3章线性分类器 3.1 引言 3.2 线性判别函数和决策超平面 3.3 感知器算法 3.4 最小二乘法 3.5 均方估计的回顾 3.6 逻辑识别 3.7 支持向量机习题 MATLAB编程和练习参考文献第4章非线性分类器 4.1 引言 4.2 异或问题 4.3 两层感知器 4.4 三层感知器 4.5 基于训练集准确分类的算法 4.6 反向传播算法 4.7 反向传播算法的改进 4.8 代价函数选择 4.9 神经网络大小的选择 4.10 仿真实例 4.11 具有权值共享的网络 4.12 线性分类器的推广 4.13 线性二分法中1维空间的容量 4.14 多项式分类器 4.15 径向基函数网络 4.16 通用逼近 4.17 概率神经元网络 4.18 支持向量机：非线性情况 4.19 超越SVM的范例 4.20 决策树 4.21 合并分类器 4.22 合并分类器的增强法 4.23 类的不平衡问题 4.24 讨论习题 MATLAB编程和练习参考文献第5章特征选择 5.1 引言 5.2 预处理 5.3 峰值现象 5.4 基于统计假设检验的特征选择 5.5 接收机操作特性（ROC）曲线 5.6 类可分性测量 5.7 特征子集的选择 5.8 最优特征生成 5.9 神经网络和特征生成/选择 5.10 推广理论的提示 5.11 贝叶斯信息准则习题 MATLAB编程和练习参考文献第6章特征生成I：线性变换 6.1 引言 6.2 基本向量和图像 6.3 Karhunen-Loève变换 6.4 奇异值分解 6.5 独立成分分析 6.6 非负矩阵因子分解 6.7 非线性维数降低 6.8 离散傅里叶变换（DFT） 6.9 离散正弦和余弦变换 6.10 Hadamard变换 6.11 Haar变换 6.12 回顾Haar展开式 6.13 离散时间小波变换（DTWT） 6.14 多分辨解释 6.15 小波包 6.16 二维推广简介 6.17 应用习题 MATLAB编程和练习参考文献第7章特征生成II 7.1 引言 7.2 区域特征 7.3 字符形状和大小的特征 7.4 分形概述 7.5 语音和声音分类的典型特征习题 MATLAB编程和练习参考文献第8章模板匹配 8.1 引言 8.2 基于最优路径搜索技术的测度 8.3 基于相关的测度 8.4 可变形的模板模型 8.5 基于内容的信息检索：相关反馈习题 MATLAB编程和练习参考文献第9章上下文相关分类 9.1 引言 9.2 贝叶斯分类器 9.3 马尔可夫链模型 9.4 Viterbi算法 9.5 信道均衡 9.6 隐马尔可夫模型 9.7 状态驻留的HMM 9.8 用神经网络训练马尔可夫模型 9.9 马尔可夫随机场的讨论习题 MATLAB编程和练习参考文献第10章监督学习：尾声 10.1 引言 10.2 误差计算方法 10.3 探讨有限数据集的大小 10.4 医学图像实例研究 10.5 半监督学习习题参考文献第11章聚类：基本概念 11.1 引言 11.2 近邻测度习题参考文献第12章聚类算法I：顺序算法 12.1 引言 12.2 聚类算法的种类 12.3 顺序聚类算法 12.4 BSAS的改进 12.5 两个阈值的顺序方法 12.6 改进阶段 12.7 神经网络的实现习题 MATLAB编程和练习参考文献第13章聚类算法II：层次算法 13.1 引言 13.2 合并算法 13.3 cophenetic矩阵 13.4 分裂算法 13.5 用于大数据集的层次算法 13.6 最佳聚类数的选择习题 MATLAB编程和练习参考文献第14章聚类算法III：基于函数最优方法 14.1 引言 14.2 混合分解方法 14.3 模糊聚类算法 14.4 可能性聚类 14.5 硬聚类算法 14.6 向量量化附录习题 MATLAB编程和练习参考文献第15章聚类算法IV 15.1 引言 15.2 基于图论的聚类算法 15.3 竞争学习算法 15.4 二值形态聚类算法 15.5 边界检测算法 15.6 谷点搜索聚类算法 15.7 通过代价最优聚类（回顾） 15.8 核聚类方法 15.9 对大数据集的基于密度算法 15.10 高维数据集的聚类算法 15.11 其他聚类算法 15.12 聚类组合习题 MATLAB编程和练习参考文献第16章聚类有效性 16.1 引言 16.2 假设检验回顾 16.3 聚类有效性中的假设检验 16.4 相关准则 16.5 单独聚类有效性 16.6 聚类趋势习题参考文献附录A 概率论和统计学的相关知识附录B 线性代数基础附录C 代价函数的优化附录D 线性系统理论的基本定义索引

2018-04-25

Tensorflow 实战Google深度学习框架(PDF+参考源码)

Tensorflow 实战Google深度学习框架(PDF+参考源码)。《TensorFlow：实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《TensorFlow：实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验，是走进这个更新、更火的人工智能领域的推荐参考书。第1章深度学习简介 1 1.1 人工智能、机器学习与深度学习 2 1.2 深度学习的发展历程 7 1.3 深度学习的应用 10 1.3.1 计算机视觉 10 1.3.2 语音识别 14 1.3.3 自然语言处理 15 1.3.4 人机博弈 18 1.4 深度学习工具介绍和对比 19 小结 23 第2章TensorFlow环境搭建 25 2.1 TensorFlow的主要依赖包 25 2.1.1 Protocol Buffer 25 2.1.2 Bazel 27 2.2 TensorFlow安装 29 2.2.1 使用Docker安装 30 2.2.2 使用pip安装 32 2.2.3 从源代码编译安装 33 2.3 TensorFlow测试样例 37 小结 38 第3章TensorFlow入门 40 3.1 TensorFlow计算模型——计算图 40 3.1.1 计算图的概念 40 3.1.2 计算图的使用 41 3.2 TensorFlow数据模型——张量 43 3.2.1 张量的概念 43 3.2.2 张量的使用 45 3.3 TensorFlow运行模型——会话 46 3.4 TensorFlow实现神经网络 48 3.4.1 TensorFlow游乐场及神经网络简介 48 3.4.2 前向传播算法简介 51 3.4.3 神经网络参数与TensorFlow变量 54 3.4.4 通过TensorFlow训练神经网络模型 58 3.4.5 完整神经网络样例程序 62 小结 65 第4章深层神经网络 66 4.1 深度学习与深层神经网络 66 4.1.1 线性模型的局限性 67 4.1.2 激活函数实现去线性化 70 4.1.3 多层网络解决异或运算 73 4.2 损失函数定义 74 4.2.1 经典损失函数 75 4.2.2 自定义损失函数 79 4.3 神经网络优化算法 81 4.4 神经网络进一步优化 84 4.4.1 学习率的设置 85 4.4.2 过拟合问题 87 4.4.3 滑动平均模型 90 小结 92 第5章MNIST数字识别问题 94 5.1 MNIST数据处理 94 5.2 神经网络模型训练及不同模型结果对比 97 5.2.1 TensorFlow训练神经网络 97 5.2.2 使用验证数据集判断模型效果 102 5.2.3 不同模型效果比较 103 5.3 变量管理 107 5.4 TensorFlow模型持久化 112 5.4.1 持久化代码实现 112 5.4.2 持久化原理及数据格式 117 5.5 TensorFlow最佳实践样例程序 126 小结 132 第6章图像识别与卷积神经网络 134 6.1 图像识别问题简介及经典数据集 135 6.2 卷积神经网络简介 139 6.3 卷积神经网络常用结构 142 6.3.1 卷积层 142 6.3.2 池化层 147 6.4 经典卷积网络模型 149 6.4.1 LeNet-5模型 150 6.4.2 Inception-v3模型 156 6.5 卷积神经网络迁移学习 160 6.5.1 迁移学习介绍 160 6.5.2 TensorFlow实现迁移学习 161 小结 169 第7章图像数据处理 170 7.1 TFRecord输入数据格式 170 7.1.1 TFRecord格式介绍 171 7.1.2 TFRecord样例程序 171 7.2 图像数据处理 173 7.2.1 TensorFlow图像处理函数 174 7.2.2 图像预处理完整样例 183 7.3 多线程输入数据处理框架 185 7.3.1 队列与多线程 186 7.3.2 输入文件队列 190 7.3.3 组合训练数据（batching） 193 7.3.4 输入数据处理框架 196 小结 198 第8章循环神经网络 200 8.1 循环神经网络简介 200 8.2 长短时记忆网络（LTSM）结构 206 8.3 循环神经网络的变种 212 8.3.1 双向循环神经网络和深层循环神经网络 212 8.3.2 循环神经网络的dropout 214 8.4 循环神经网络样例应用 215 8.4.1 自然语言建模 216 8.4.2 时间序列预测 225 小结 230 第9章TensorBoard可视化 232 9.1 TensorBoard简介 232 9.2 TensorFlow计算图可视化 234 9.2.1 命名空间与TensorBoard图上节点 234 9.2.2 节点信息 241 9.3 监控指标可视化 246 小结 252 第10章TensorFlow计算加速 253 10.1 TensorFlow使用GPU 253 10.2 深度学习训练并行模式 258 10.3 多GPU并行 261 10.4 分布式TensorFlow 268 10.4.1 分布式TensorFlow原理 269 10.4.2 分布式TensorFlow模型训练 272 10.4.3 使用Caicloud运行分布式TensorFlow 282

2018-04-17