matlab c语言 vb,【求助】帮我编个程啊~C语言,C++,Matlab,VB...都行~ - 程序语言 - 小木虫 - 学术 科研 互动社区...

该博客介绍了K近邻平滑滤波算法在图像处理中的实现方法。通过输入图像矩阵、模板大小n和近邻数k,输出滤波处理后的图像矩阵。算法包括获取像素邻域、计算近邻值和求平均值等步骤,用于减少图像噪声并平滑图像。

% K近邻平滑滤波

% input - 输入图像矩阵;n - 模板大小(3,5,7...);k - 近邻数

% output - 滤波处理后的图像矩阵

function output = emuchKNNMeanFilter(input, n, k)

[row, col] = size(input);

edgeWidth = floor(n / 2);

output = zeros(row - edgeWidth * 2, col - edgeWidth * 2);

for i = 1 + edgeWidth : row - edgeWidth

for j = 1 + edgeWidth : col - edgeWidth

mask = input(i - edgeWidth : i + edgeWidth,...

j - edgeWidth : j + edgeWidth);

center = input(i, j);

vertex = Matrix2Vertex(mask);

neighbour = GetNeighbour(vertex, center, k);

output(i - 1, j - 1) = mean(neighbour);

end

end

end

% 根据输入的向量与中心值取近邻值

% vertex - 输入向量;center - 中心值;k - 近邻数

% neighbour - 近邻值

function neighbour = GetNeighbour(vertex, center, k)

distance = abs(vertex - center);

[sortDistance, sortIndex] = sort(distance,1);

neighbour = vertex(sortIndex(2 : k + 1));

end

% 将矩阵转换为向量

function vertex = Matrix2Vertex(matrix)

[row, col] = size(matrix);

vertex = zeros(row * col, 1);

for i = 1 : row * col

vertex(i) = matrix(i);

end

end

思路与7楼一致

调用方法:

将以上代码存为文件emuchKNNMeanFilter.m,在matlab command window中调用。

例如,有矩阵

a =

164        24        196        119        209        51

200        139        53        23        250        244

125        218        11        129        247        86

103        67        39        20        147        38

224        198        183        42        60        84

181        163        33        191        74        29

211        185        56        85        172        197

3        228        116        78        146        202

调用程序进行处理:b = emuchKNNMeanFilter(a, 3, 5)

得到处理后的矩阵

b =

180.6        61.2        101.6        189.6

126.8        40.4        56.4        171.2

92.2        53.8        56.2        121.2

170.8        132.2        45.2        53.4

191.6        105.8        114.8        60

179.8        95        71.4        164.2,

Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值