weixin_41099712的博客

高光谱影像信息熵/信噪比计算基于matlab实现了高光谱影像个波段信噪比和信息熵的计算文件导入：影像格式使用的ENVI导出的img+hdr格式，参考的Matlab实现高光谱读取进行的修改。时间伧俗，程序适用性不强，影像的参数需要用记事本打开hdr文件，手动修改程序。—— "Float"修改成你的img文件名，例如example.img—— bands 、lines 、samples 、interleave可以从hdr文件里找到—— ‘float32=>float32’ 对应hdr 里的

KNN算法Matlab实现简介：KNN全称K-Nearest Neighbors,源于20世纪70年代。属于有监督学习的传统机器学习算法，既可以解决回归问题也可解决分类问题。

BP算法实现简单的实现了一下经典的BP算法的核心代码，目的是为了加深一下对此算法的理解便于下一步的深入学习。参考了其程序对BP算法进行理论推导，对其梯度下降、反向传播有了一定的理解，但一部分公式并未推导通；理解了学习率，步长的基础概念，但对于激发函数的意义、如何选激发函数还是不太理解。背景1986 年，Rumelhart、Hinton 和 Williams 联合 在《自然》杂志发表了著名的反向传播算法(BP)，首次阐述了 BP 算法在浅层前向型神经网络模型的应用，不但明显降低了最优化问题求解的运算

K-means算法Matlab实现本文只给出二维数据的K-means算法Matlab实现，理论推导参考了算法收敛性证明、【机器学习】K-means（非常详细）、聚类算法——K-均值算法，此处不详细介绍。编写程序过程中，发现初始化不同的起始中心点，算法运行的结果不同，有时会收敛至局部最优值。为了解决这个问题，可以使用改进的K-means++算法，本文没有进行实现。实现代码如下：clc;clear all;p=[1 2;2 2;2 5;3,3;9,14;10,13;10,15;11,16;15,6;

目录摘要一、目标实现功能二、系统方案1.硬件2.软件环境3.系统流程图三、具体实现步骤1.相机拍照控制2.投影仪控制3. 界面开发4.系统标定5.编码图片生成6.选定有效区域7.逐一投影并拍照8.二值化9.图片解码并计算出点云（核心步骤）总结摘要本文实现了Matlab环境下的简易的单目结构光三维扫描仪，结构光编码方式格雷码。主要组件：家用投影仪、USB摄像头、个人电脑。单次测量时间36s，点云测量精度为1mm。最终结果以点云形式显示。一、目标实现功能使用家用投影仪、USB摄像头、个人电脑实现一个简