<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[高山流水]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/joson1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; joson1]]></copyright><item><title><![CDATA[SIFT算法总结]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287222</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287222</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:31:00 +0800</pubDate><description><![CDATA[<br />SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。代表性文献<br />[1]David G. Lowe, "Object recognition from local scale-invariant features," International Conference on Computer Vision, Corfu, Greece (September 1999), pp.1150-1157. <br />[2] David G. Lowe, "Distinctive ]]></description><category></category></item><item><title><![CDATA[二值化之---Otsu法 截图]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287221</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287221</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:30:00 +0800</pubDate><description><![CDATA[<br />反正算法别人的，因此直接引用截图吧，作者莫怪莫怪。<br />]]></description><category></category></item><item><title><![CDATA[DSP开发小结]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287215</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287215</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:29:00 +0800</pubDate><description><![CDATA[<br />这几天用TI DSP5402做项目，之前都用5409，程序空间少了一半，程序写完后在ccs上跑的时候老报空间不足，因此用了很多的精力和时间对程序进行优化，特征是不能减的了，能优化的就是代码空间，以下是一些小结：<br />1.添加string.h、math.h等外接库会增加很多代码，所以对于memset，sqrt等考虑自己写。<br />今天找到的一个挺好用的sqrt实现算法，据说比一般编译器默认的要优化好几倍：float sqrt(float number) {
    long i;
 ]]></description><category></category></item><item><title><![CDATA[AForge.NET Framework's的BP神经网络使用]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287207</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287207</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:26:00 +0800</pubDate><description><![CDATA[AForge.NET Framework's  http://code.google.com/p/aforge/ 或者http://www.aforgenet.com/

具体资料查看百度百科:

AForge.NET 是一个专门为开发者和研究者基于C#框架设计的，他包括计算机视觉与人工智能，图像处理，神经网络，遗传算法，机器学习，机器人等领域。 

　　这个框架由一系列的类库和例子组成。其中包括的特征有： 

　　AForge.Imaging -一些日常的图像处理和过滤器 

　　AF]]></description><category></category></item><item><title><![CDATA[best-first search--【转】]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287203</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287203</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:25:00 +0800</pubDate><description><![CDATA[<br />盲目搜索的效率很低,耗费很多时间和空间,如果我们在搜索是，能首先选择最有希望的节点，我们称这种搜索为"启发式搜索"或"信息搜索"。 <br />进行这种搜索需要有关的信息，这信息称为启发信息,它可以分为3种: <br />1.用于决定哪个为最有希望的节点,以免盲目的搜索 <br />2.决定从排的顺序.<br />3.决定那些节点应从搜索树中丢弃. <br />讲一讲第一种,也就是判断哪个为最有希望的节点有序搜索，又称为有最好优先搜索(best-first search). <br />尼尔逊(]]></description><category></category></item><item><title><![CDATA[best-first search--转]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287200</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287200</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:24:00 +0800</pubDate><description><![CDATA[<br />转自网上搜的一篇PPT《AI-Ch02.ppt》,PPT是繁体的，用Google翻译转成简体。这里对这个算法说的最详细简明。 <br />(一).<br />这个搜寻法只是根据最佳化的评估函数来选择下一个搜寻的节点。当评估函数的准确度愈高，则愈可能找到最佳的节点反之，评估函数可能无作用，甚至可能导至错误的搜寻。它使用一些估计解答成本的测量方式，并设法朝最低成本的方向进行搜寻。 <br />为了使搜寻更精确，因此估计解答成本的测量必须加上到达结束状态的路径成本估计。<br />以下为使用通用搜寻演]]></description><category></category></item><item><title><![CDATA[tesseract-ocr 入门介绍 (一)]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287181</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287181</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:19:00 +0800</pubDate><description><![CDATA[<br />本文从被关闭的liveSpace转移过来的。http://joson-liu.spaces.live.com/blog/cns!281F0B4416874662!158.entry<br /> <br />项目地址：http://code.google.com/p/tesseract-ocr/  <br />项目说明：An OCR Engine that was developed at HP Labs between 1985 and 1995... and now at Google<br ]]></description><category></category></item><item><title><![CDATA[图像工程学习（一）-总述 ]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/6287155</link><guid>https://blog.youkuaiyun.com/joson1/article/details/6287155</guid><author>joson1</author><pubDate>Tue, 29 Mar 2011 21:09:00 +0800</pubDate><description><![CDATA[原文网址：http://www.cnblogs.com/saintbird/archive/2008/12/02/1345678.html标题取得很大，图像工程其实是一个很广泛的概念，包含了图像处理、图像分析、图像理解三个层次，目前参与的项目主要与图像处理与分析相关，图像理解方面的东西了解还不是很多，希望以后能有更多深入的机会。　　图像工程的三个层次：　　    图像处理:　　    图像分析：　　    图像理解：]]></description><category></category></item><item><title><![CDATA[反病毒引擎设计   ]]></title><link>https://blog.youkuaiyun.com/joson1/article/details/2187209</link><guid>https://blog.youkuaiyun.com/joson1/article/details/2187209</guid><author>joson1</author><pubDate>Sun, 16 Mar 2008 12:27:00 +0800</pubDate><description><![CDATA[反病毒引擎设计  关键字：病毒，虚拟机，实时监控 文档内容目录 1．绪 论 1. 1课题背景 1.2当今病毒技术的发展状况 1.2.1系统核心态病毒 1.2.2驻留病毒 1.2.3截获系统操作 1.2.4加密变形病毒 1.2.5反跟踪/反虚拟执行病毒 1.2.6直接API调用 1.2.7病毒隐藏 1.2.8病毒特殊感染法 2．虚拟机查毒 2.1虚拟机概论 2. 2加密变形病毒 2.3虚]]></description><category></category></item></channel></rss>