利用Matlab生成一个网格化的三维球面,分别对径向方向.经度方向和纬度方向进行网格化,代码如下: %生成一个笛卡尔坐标系下球面网格的x,y,z坐标 %r为球面距离 %nJingdu,nWeidu分别为经度方向和纬度方向上的离散度,为正整数 r = 1600; nJingdu = 80; nWeidu = 40; jingdu = linspace(0,2*pi,nJingdu+1); weidu = linspace(-pi/2,pi/2,nWeidu); XYZ = zeros(nJingd

原文地址 网易博客 前一段时间看到一篇文章"利用Matlab提取图图片中的数据",觉得思路挺好,遂下载下来研究了一番,发现作者所编写的程序没有考虑原始图片非水 平放置的情况,而实际扫描图片时,将图片完全放置水平难度较大... 同时作者也没有考虑对数坐标的情况,且程序GUI界面不太人性化,操作有点不习惯.因此借着作者良好意愿,对其程序进行了改进~ 2011-6-9 shanyunh@QQ.com 考虑一张非水平无变形的曲线图,现将其曲线数据取出来,步骤如下:

之前看了别人的一份源码,讲到了球体表面平均分割点,于是也好奇去查了一下算法,自己写不出来,借用算法在unity写了一个小demo using UnityEngine; using System.Collections; public class DistrbutedPointsOnSphere : MonoBehaviour { public Camera camera; /// <summary> /// 父级 -- 球 /// </summary> public Transfo

今天使用了所有特征并且用SVM测试数据 理由:SVM可以使用特征将测试集划分区域,比较单调.死板 结果:成绩很不理想,无疑又一次说明随机森林更适合大数据处理 第二次提交数据 用MATLAB运行11次运算结果,提取其中6次及6次以上重复出现的数据,提交结果:分数降低5分本次目的:检测以往数据的准确率 总结:我们的数据中有部分数据错误了至少6次,那么特征还不够完善,接下来的工作还在特征

原先有3000条测试数据,MATLAB表现出来强大的数据处理能力,十几秒就可以把数据分类.分装并储存,这次共有10万条坐标数据,MATLAB明显后劲不足,显示内存不足 自我认识:以前MATLAB数据处理是手动将数据导入mat表格,再由程序运行表格数据,但是这次运行光坐标压缩文件就有35兆,就算导入成功也是相当恐怖的一个表格文件 解决方案:1.拒绝手动导入,程序导入 2.不使用表格,表格的内存占用明显比文本文档大太多(当然,这种方案比较极端,但是必须执行,否则后期明显性能上就差别人一大截)

基于matlab工具箱提取图像中的多目标特征(代码如下): 代码前面部分为提取图像的边界信息,调用了后面的遍历函数Pixel_Search,函数实现方法见后~ %%ROI Testing close all; clear all; clc; I=imread('Test.png'); I=rgb2gray(I); I=I(:,:); [m,n]=size(I); I_BW=I; :m :n I_BW(Row1,Clo1)=; else I_BW(Row1,Clo1)=; end end end

注意: 本代码是由[MATLAB R2015b win 32位]编写. 先上代码: %% 清空变量 clear all; clc; %% 取点之后趋势是对的,也就是点与点之间的比例是对的,但是每个点的真实值和原图对不上,需要按照真实的坐标处理一下 max_axis_X=5; %这里是真实坐标中横轴的最大值 max_axis_Y=25; %这里是真实坐标中纵轴的最大值 flag = 0; %如果图形的纵坐标是正数,flag=0,如果是负数,flag = 1; shift = 0; %如果横坐标不在

利用edge()函数提取图像轮廓,绘制出对象的边界和提取边界坐标信息,matlab实现代码如下: close all;clear all;clc; % 提取图像轮廓,提取图像边缘 I = imread('yifu.jpg'); c = im2bw(I,graythresh(I)); figure; subplot(131);imshow(I); c = flipud(c); %实现矩阵c上下翻转 b = edge(c,'canny'); [u,v] = find(b); %返回边界矩阵b中非零元

比如,从一个6*6矩阵中,提取它的第一行元素,形成一个6维行向量. A(i,:)行  A(:,i)列 方法: A(i,:) 提取矩阵A的第 i行 A(:,i) 提取矩阵A的第 i列   给你个例子: >> A=[1:6;2:7;3:8;4:9;5:10;6:11] A(1,:) A(:,1)   A =   1 2 3 4 5 6 2 3 4 5 6 7 3 4 5 6 7 8 4 5 6 7 8 9 5 6 7 8 9 10 6 7 8 9 10 11     ans =   1 2 3 4

暑假已至,接下来组内成员将会各回各家,各找各妈,这肯定是对本次大数据比赛是很不利的. 接下来我会把任务分配给组员,当然任务会比起初的时候轻一点,因为我认为本次比赛的目的并不是我要求组员做什么,而是我的组员要求自己做什么! 我们现在主要接触的两门语言: MATLAB语言在数据处理方面很牛,它的画图功能也是杠杠的,尤其是3D画图 Python语言是一门近几年很火的语言,学好它对自己肯定只有益处,它的出生很晚,但是短短十多年,它已经稳居计算机语言前三名.尤其是现在的大数据时代,它的代码不仅简单易懂,而

经过头脑风暴法想出了很多特征,目前经过筛选已经提交了两次数据,数据提交结果不尽如人意,但是收获很大. 接下来继续提取特征,特征数达到27时筛选出20条特征,并找出最佳搭配

第一次提交数据 增加了部分特征 3000数据测试中得分99 但是10万数据出现过拟化现象,正确率下降 总结:1.某些特征数据本身波动不大应该考虑放弃 2.一些特征虽然表面觉得差异显而易见,但是数据表达出来的结果不一定完美 第二次提交数据 这次提交的数据采用昨天提交的特征,并加入今天的得出的特征的其中一个,打算以不同的方式找出最佳配合 结果 分数降低7分 本次吸取经验教训,得出如下总结:1.继续寻找特征的最佳组合 2.训练集太少,端午前后必须扩大训练集

第一次提交数据: 今天用了8个特征,加上的这一个特征是 从3000条测试数据中测试失败的数据总结出来的树的数目为50再次使用3000条测试数据测试结果-- 结果不错: 99%但是运行官网数据结果分数--降低0.5      为58.55分总结:总特征数目为8,树的数目远远超过特征数,以后树的数目不能多于特征的1.5倍,否则结果很难得出结论,无说服力 第二次提交数据: 本次使用9个特征,加上的特征是 从3000条测试数据中测试失败的数据总结出来的 树的数目为12 使用3000条测试数据测试结果--

引言: 在用matlab画柱状图或者其他图的时候,你是否碰到下图这种情况: 乍一看这个柱状图画的有馍有洋的,but,仔细一看你会发现,横坐标标签如果再长一点就不好看啦,甚至会重叠,就像这样: 这样的图怎么能入reviewer老师们的法眼呢,分分钟给你个REJECT!!!!要想论文能通过,还是得从细节入手的啦! SO,我们想办法让横坐标标签旋转一下不就好啦?下面看代码: clc;clear; y=[0.5,0.79,0.45,0.35,0.27,0.31,0.64,0.19,0.54,0.87];

首先需要安装navicat for SQL server 软件, 为了实现Matlab 通过JDBC方式连接Sqlserver数据库, 需要安装Sqlserver JDBC驱动. 地址: https://blog.csdn.net/yinxing408033943/article/details/7677769 在navicat for SQL server进行试验, 登陆输入用户名, 新建查询,一个简单的查询例子 送上Navicat sql 的一些快捷键: ctrl + /: 注释 ctrl

I = imread('111.jpg');%读取处理好的图片,必须是严格坐标轴线为边界的图片 I=rgb2gray(I); %灰度变化 I(I>200)=255; %二值化 I(I<=200)=0; %二值化 imshow(I) %显示图片 [y,x] = find(I==0); %找出曲线的像素位置 y = max(y) -y; %将屏幕坐标转换为有手系迪卡坐标 y = fliplr(y); %左右翻转数据 plot(x,y,'r.','markersize',2)%显示转换后的图像 [X

今天在用MATLAB做我的毕设的时候碰到一个很纠结的问题,之所以说纠结是因为我觉得这个问题很简单,可是一时半会就是弄不出来(ー`´ー).鼓捣了半个小时左右吧,终于搞出来了.下面做个纪念: 问题描述 在做一个GUI的时候,需要在一个坐标系内画图,想要在图上添加一条直线,直线长度由坐标轴长度自动确定,dont know what to do. 问题解决 前面那些n次失败的尝试我就不说了,太急人了,总之一句话:就是被种种逻辑关系搞晕了-- 正文开始,下面是代码片段, xl = get(handles.

经过一个下午找资料,已作出人工轨迹记录程序,这样就可以增加样本容量 接下来三个方向:特征.决策树.机械轨迹程序 虽然机械轨迹的程序相对好做,但是现有机械轨迹程序太过于死板,不能自行更改轨迹

今天新提交了一次数据,总量达到10337个,本以为成绩会突飞猛进,没想到还是不如从前 但是已经找到人工鼠标轨迹的程序,有待完善,接下来兵分四路:找特征.决策树.完善人工轨迹程序,使其可以将生成的数据自动储存.还一个是Python面向对象. 为什么要学习Python面向对象,因为我发现现在接触的程序越多.越深,越觉得举步维艰,越觉得不懂的地方越多.其实我是在学习Java的面向对象吃到了甜处,面向对象可以提高一个程序的可读性,一个程序的可利用性.这几天我们一直在找一个最佳组合,而我们一直是手动去找,

目前已经找出26条特征 ,但是提交数据越来越少,给我的感觉是随机森林画的范围越来越小,输出的机器数据也越来越少,我自认为特征没太大问题 我已经将不懂之处列了出来,将于明天咨询大师级人物

前几天备战考试,接下来的日子将会继续攻克大数据比赛 虽然停止了一段时间没有提交数据,但是这几天的收获还是有的,对Python 随机森林了解的更了解了 随机森林是由多课决策树组成(当然这个虽然我们初学者都知道,但是我确定没有现在认识的深刻),多棵决策树经过数据训练后,经过投票方式对测试数据进行判断 那么也就是说随机森林的鲁棒性非常好,我们现有的特征还不是特别多,之所以前一段时间出现“过拟合”现象,其实原因有可能是我们当时急功近利,把大多数正确率高的特征放在一起测试数据,导致的“过拟合”,其实非也,