- 目录 一、问题描述 二、代码 一、问题描述 1.仅仅是针对于读取包含相同个数文件的文件夹，并不能适用于其他情况。 2.可以根据该代码了解Matlab读取文件和文件夹的函数。 二、代码 for i=1:folder_num file_path = uigetdir('*.*','请选择文件夹');%filepath为文件夹路径 avi_path_list = d... 目录 一、问题描述 二、代码 一、问题描述 1.仅仅是针对于读取包含相同个数文件的文件夹，并不能适用于其他情况。 2.可以根据该代码了解Matlab读取文件和文件夹的函数。 二、代码 for i=1:folder_num file_path = uigetdir('*.*','请选择文件夹');%filepath为文件夹路径 avi_path_list = d...
- Kaiser窗 此种窗是一种应用广泛的可调节窗，它可以通过改变窗函数的形状来控制窗函数旁瓣的大小，从而在设计中可用滤波器的衰减指标来确定窗函数的形状。长度为N的Kaiser窗定义为（=） 其中是一个可调参数，可以通过改变的值来调整窗函数的形状，从而达到不同的阻带衰减要求。上式中的是零阶第一类修正贝塞尔函数。可用幂级数表示为 对于任意的一个实变量x，函数的值都是正... Kaiser窗 此种窗是一种应用广泛的可调节窗，它可以通过改变窗函数的形状来控制窗函数旁瓣的大小，从而在设计中可用滤波器的衰减指标来确定窗函数的形状。长度为N的Kaiser窗定义为（=） 其中是一个可调参数，可以通过改变的值来调整窗函数的形状，从而达到不同的阻带衰减要求。上式中的是零阶第一类修正贝塞尔函数。可用幂级数表示为 对于任意的一个实变量x，函数的值都是正...
- Matlab里的linspace函数是均分计算指令，用法是：linspace(x1,x2,N)，用于产生x1,x2之间的N点行线性的矢量。其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。 C++实现为 //linspace函数Mat linspace(double begin, double finish, int number) { ... Matlab里的linspace函数是均分计算指令，用法是：linspace(x1,x2,N)，用于产生x1,x2之间的N点行线性的矢量。其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。 C++实现为 //linspace函数Mat linspace(double begin, double finish, int number) { ...
- 可以看到有两个axes对象，一般下面的那个axes对象就是对应右边的坐标轴。 下面是画双y轴的一个脚本 clear allclcset(0,'defaultfigurecolor','w')[x1,y1]=importfile('1.txt');[x2,y2]=importfile('2.txt');[AX,H1,H2]=plotyy(x1,y1,x2,y2);se... 可以看到有两个axes对象，一般下面的那个axes对象就是对应右边的坐标轴。 下面是画双y轴的一个脚本 clear allclcset(0,'defaultfigurecolor','w')[x1,y1]=importfile('1.txt');[x2,y2]=importfile('2.txt');[AX,H1,H2]=plotyy(x1,y1,x2,y2);se...
- 目录 人工神经网络-->>神经元 人工神经网络（ANN） 神经元仿生：单层感知器 性能评估函数： MATLAB实际操作实例 人工神经网络-->>神经元 人工神经网络（ANN） 是迄今为止几乎最为成功的仿生学数学模型，是机器学习领域的热点，符合智能化机器的时代潮流有统一的模型框架，很多算法问题可以归为神经网络系统学习问题加以解决（SVM支持向量机... 目录 人工神经网络-->>神经元 人工神经网络（ANN） 神经元仿生：单层感知器 性能评估函数： MATLAB实际操作实例 人工神经网络-->>神经元 人工神经网络（ANN） 是迄今为止几乎最为成功的仿生学数学模型，是机器学习领域的热点，符合智能化机器的时代潮流有统一的模型框架，很多算法问题可以归为神经网络系统学习问题加以解决（SVM支持向量机...
- 代码如下，可以根据自己需求进行调整变换 set(0,'defaultfigurecolor','w') %errorbar函数实例figure;subplot(2,2,1);%横轴x = 1:10:100;%均值y = [20 30 45 40 60 65 80 75 95 90];%标准差err = 8*ones(size(y));%线型，颜色，线宽，标记大小erro... 代码如下，可以根据自己需求进行调整变换 set(0,'defaultfigurecolor','w') %errorbar函数实例figure;subplot(2,2,1);%横轴x = 1:10:100;%均值y = [20 30 45 40 60 65 80 75 95 90];%标准差err = 8*ones(size(y));%线型，颜色，线宽，标记大小erro...
- 线型 说明 标记符 说明 颜色 说明 - 实线(默认) + 加号符 r 红色 -- 双划线 o 空心圆 g 绿色 : 虚线 * 星号 b 蓝色 :. 点划线 . 实心圆 c 青绿色 x 叉号符 m 洋红色 s 正方形 y 黄色 &nbs... 线型 说明 标记符 说明 颜色 说明 - 实线(默认) + 加号符 r 红色 -- 双划线 o 空心圆 g 绿色 : 虚线 * 星号 b 蓝色 :. 点划线 . 实心圆 c 青绿色 x 叉号符 m 洋红色 s 正方形 y 黄色 &nbs...
- 不想浪费时间深究，请直接在运行您的程序前， 先运行一句话：clear gca 即可 以下是详细解释： set(gca,'XLim',[0 14]);%X轴的数据显示范围 set(gca,'YLim',[0 14]);%Y轴的数据显示范围 set(gca,'ylim',[0,1],'ytick',[0:0.1:1]);%坐标轴范围 运行结果提示： ... 不想浪费时间深究，请直接在运行您的程序前， 先运行一句话：clear gca 即可 以下是详细解释： set(gca,'XLim',[0 14]);%X轴的数据显示范围 set(gca,'YLim',[0 14]);%Y轴的数据显示范围 set(gca,'ylim',[0,1],'ytick',[0:0.1:1]);%坐标轴范围 运行结果提示： ...
- 官方学习文档： https://ww2.mathworks.cn/help/vision/ref/extracthogfeatures.html?s_tid=gn_loc_drop https://ww2.mathworks.cn/help/vision/examples/digit-classification-using-hog-features.html （数字... 官方学习文档： https://ww2.mathworks.cn/help/vision/ref/extracthogfeatures.html?s_tid=gn_loc_drop https://ww2.mathworks.cn/help/vision/examples/digit-classification-using-hog-features.html （数字...
- 1.reshape reshape(A,3,2) 结果： 竖着存储1,4,2,5,3,6 2.再来看看repmat repmat(A,5,2) 结果： ... 1.reshape reshape(A,3,2) 结果： 竖着存储1,4,2,5,3,6 2.再来看看repmat repmat(A,5,2) 结果： ...
- 比如采用的数据是1行5列，那么如何消去NaN的值呢？ [ 1 2 NaN 4 6] 1. A=[1,2,NaN,4,6] i=find(~isnan(A)) A=A(i) 2. x=[1,2,NaN,4,6] x = x(find( ~ isnan(x))) 3. x=[1,2,NaN,4,6... 比如采用的数据是1行5列，那么如何消去NaN的值呢？ [ 1 2 NaN 4 6] 1. A=[1,2,NaN,4,6] i=find(~isnan(A)) A=A(i) 2. x=[1,2,NaN,4,6] x = x(find( ~ isnan(x))) 3. x=[1,2,NaN,4,6...
- 网上教程有好有坏，我自己总结了一个笔记 目录 1.打开方式 2. 打开界面 3.输入数据 4.选择拟合方式 5.选择拟合时需要几阶？ 6.查看拟合效果 7.绘图显示 8.保存拟合数据 9.如何使用拟合曲线 1.打开方式 输入cftool 或者 2. 打开界面 3.输入数据 4.选择拟合方式 Custom Equati... 网上教程有好有坏，我自己总结了一个笔记 目录 1.打开方式 2. 打开界面 3.输入数据 4.选择拟合方式 5.选择拟合时需要几阶？ 6.查看拟合效果 7.绘图显示 8.保存拟合数据 9.如何使用拟合曲线 1.打开方式 输入cftool 或者 2. 打开界面 3.输入数据 4.选择拟合方式 Custom Equati...
- 准备双目摄像头： 准备标定板 标定的开始阶段最需要用到的标定板，可以直接从opencv官网上能下载到： http://docs.opencv.org/2.4/_downloads/pattern.png 具体如下： 然后，建议固定到盒子上，方便等下拍照。 采集图片 建议左右摄像头，同时拍照，分别保存起来，可以参考 opencv 双目摄像... 准备双目摄像头： 准备标定板 标定的开始阶段最需要用到的标定板，可以直接从opencv官网上能下载到： http://docs.opencv.org/2.4/_downloads/pattern.png 具体如下： 然后，建议固定到盒子上，方便等下拍照。 采集图片 建议左右摄像头，同时拍照，分别保存起来，可以参考 opencv 双目摄像...
- 实验环境：matlab2016 准备材料：单目摄像头、定标板、摄像头拍下定标板的图片 本博客带大家实际动手，再讲单目摄像头标定原理。 准备标定板 标定的开始阶段最需要用到的标定板，可以直接从opencv官网上能下载到： （注意：这里是7*10的定标板，推荐奇*偶的）http://docs.opencv.org/2.4/_downloads/patte... 实验环境：matlab2016 准备材料：单目摄像头、定标板、摄像头拍下定标板的图片 本博客带大家实际动手，再讲单目摄像头标定原理。 准备标定板 标定的开始阶段最需要用到的标定板，可以直接从opencv官网上能下载到： （注意：这里是7*10的定标板，推荐奇*偶的）http://docs.opencv.org/2.4/_downloads/patte...
- 本书摘自《智能系统与技术丛书 深度学习实践：基于Caffe的解析》一文中的第2章，第2.7节，作者是薛云峰。 本书摘自《智能系统与技术丛书 深度学习实践：基于Caffe的解析》一文中的第2章，第2.7节，作者是薛云峰。
上滑加载中
推荐直播
-
华为云IoT开源专家实践分享：开源让物联网平台更开放、易用2024/05/14 周二 16:30-18:00
张俭 华为云IoT DTSE技术布道师
作为开发者的你是否也想加入开源社区？本期物联网平台资深“程序猿”，开源专家张俭，为你揭秘华为云IoT如何借助开源构建可靠、开放、易用的物联网平台，并手把手教你玩转开源社区！
去报名
热门标签