 班級規(guī)模及環(huán)境--熱線:4008699035 手機(jī):15921673576( 微信同號) |
|
每期人數(shù)限3到5人。 |
| 上課時間和地點(diǎn) |
開課地址：【上海】同濟(jì)大學(xué)(滬西)/新城金郡商務(wù)樓(11號線白銀路站)【深圳分部】：電影大廈(地鐵一號線大劇院站) 【武漢分部】：佳源大廈【成都分部】：領(lǐng)館區(qū)1號【沈陽分部】：沈陽理工大學(xué)【鄭州分部】：錦華大廈【石家莊分部】：瑞景大廈【北京分部】：北京中山學(xué)院 【南京分部】：金港大廈
最新開班 (連續(xù)班 、周末班、晚班）：2025年12月15日..以質(zhì)量贏得尊重..節(jié)假日班搶訂中...直播、現(xiàn)場培訓(xùn)皆可....專業(yè)、用心....--即將開課-----即將開課，歡迎垂詢 |
| 實(shí)驗(yàn)設(shè)備 |
☆資深工程師授課
☆注重質(zhì)量
☆邊講邊練
☆合格學(xué)員免費(fèi)推薦工作
★實(shí)驗(yàn)設(shè)備請點(diǎn)擊這兒查看★ |
| 質(zhì)量保障 |
1、可免費(fèi)在以后培訓(xùn)班中重聽；
2、免費(fèi)提供課后技術(shù)支持，保障培訓(xùn)效果。
3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。 |
課程大綱 |
| |
|
第1篇 MATLAB常用算法應(yīng)用設(shè)計(jì)
第1章 基于貝葉斯分類器的數(shù)據(jù)處理與MATLAB實(shí)現(xiàn)
1.1 貝葉斯理論
1.2 高斯概率密度函數(shù)
1.3 最小距離分類器
1.3.1 歐氏距離分類器
1.3.2 馬氏距離分類器
1.3.3 基于高斯概率密度函數(shù)的最大似然估計(jì)
1.4 混合概率分布
1.5 期望最大化算法
1.6 Parzen窗
1.7 K最近鄰密度估計(jì)法
1.8 樸素貝葉斯分類器
1.9 最近鄰分類原則
1.10 本章小結(jié)
第2章 基于背景差分的運(yùn)動目標(biāo)檢測與MATLAB實(shí)現(xiàn)
2.1 運(yùn)動目標(biāo)檢測的一般過程
2.1.1 手動背景法
2.1.2 統(tǒng)計(jì)中值法
2.1.3 算術(shù)平均法
2.2 運(yùn)動目標(biāo)檢測的一般方法
2.2.1 幀間差法運(yùn)動目標(biāo)檢測
2.2.2 背景差法運(yùn)動目標(biāo)檢測
2.3 本章小結(jié)
第3章 基于小波變換的圖像壓縮與MATLAB實(shí)現(xiàn)
3.1 小波變換原理
3.2 多尺度分析
3.3 圖像的分解和量化
3.3.1 一維小波變換
3.3.2 二維變換體系
3.3.3 量化
3.4 圖像壓縮編碼
3.4.1 圖像編碼評價
3.4.2 壓縮比準(zhǔn)則
3.5 圖像壓縮與MATLAB實(shí)現(xiàn)
3.6 本章小結(jié)
第4章 基于BP的模型優(yōu)化預(yù)測與MATLAB實(shí)現(xiàn)
4.1 BP神經(jīng)網(wǎng)絡(luò)模型及其基本原理
4.2 MATLAB BP神經(jīng)網(wǎng)絡(luò)工具箱
4.3 基于BP神經(jīng)網(wǎng)絡(luò)的PID參數(shù)整定
4.3.1 理論分析
4.3.2 算法流程
4.3.3 算法仿真
4.4 基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別系統(tǒng)設(shè)計(jì)
4.5 本章小結(jié)
第5章 基于RLS算法的數(shù)據(jù)預(yù)測與MATLAB實(shí)現(xiàn)
5.1 遞歸最小二乘（RLS）算法應(yīng)用背景
5.2 RLS算法基本原理與流程
5.2.1 RLS算法基本原理
5.2.2 RLS算法流程
5.3 RLS數(shù)據(jù)線性預(yù)測分析與MATLAB實(shí)現(xiàn)
5.4 本章小結(jié)
第6章 基于GA優(yōu)化的BP網(wǎng)絡(luò)算法分析與MATLAB實(shí)現(xiàn)
6.1 遺傳算法
6.2 BP神經(jīng)網(wǎng)絡(luò)
6.3 基于GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的大腦灰白質(zhì)圖像分割
6.4 基于GA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)量計(jì)算
6.4.1 某工作面最優(yōu)通風(fēng)量分析
6.4.2 總回風(fēng)巷最優(yōu)通風(fēng)量分析
6.5 本章小結(jié)
第7章 分形維數(shù)應(yīng)用與MATLAB實(shí)現(xiàn)
7.1 分形盒維數(shù)概述
7.2 二維圖像分形盒維數(shù)分析
7.3 基于短時分形維數(shù)的語音信號檢測
7.3.1 時間序列信號圖形的網(wǎng)格分形
7.3.2 噪聲語音信號的短時網(wǎng)格分形
7.4 本章小結(jié)
第8章 碳排放約束下的煤炭消費(fèi)量優(yōu)化預(yù)測
8.1 煤炭消費(fèi)量概述
8.2 煤炭影響因素分析
8.3 煤炭消耗量優(yōu)化預(yù)測模型構(gòu)建
8.3.1 CO2排放強(qiáng)度的雙立方插值擬合
8.3.2 煤炭、石油和天然氣與CO2排放強(qiáng)度回歸模型構(gòu)建
8.3.3 煤炭、石油和天然氣碳排放系數(shù)構(gòu)建
8.3.4 節(jié)能減排和經(jīng)濟(jì)發(fā)展優(yōu)化目標(biāo)構(gòu)建與求解
8.4 本章小結(jié)
第9章 焊縫邊緣檢測算法對比分析與MATLAB實(shí)現(xiàn)
9.1 焊縫邊緣檢測研究
9.2 圖像預(yù)處理技術(shù)
9.3 焊縫圖像邊緣檢測
9.3.1 Sobel算子
9.3.2 Prewitt算子
9.3.3 Canny算子
9.3.4 形態(tài)學(xué)處理
9.3.5 邊緣檢測效果對比
9.4 本章小結(jié)
第10章 指紋圖像細(xì)節(jié)特征提取與MATLAB實(shí)現(xiàn)
10.1 指紋識別技術(shù)概述
10.2 指紋識別系統(tǒng)的工作原理
10.3 指紋細(xì)節(jié)特征的提取
10.3.1 指紋特征提取的方法
10.3.2 指紋圖像的細(xì)化后處理
10.3.3 特征點(diǎn)的提取
10.3.4 指紋特征的去偽
10.4 指紋圖像去偽與MATLAB實(shí)現(xiàn)
10.5 本章小結(jié)
第11章 基于多元回歸模型的礦井通風(fēng)量計(jì)算
11.1 礦井通風(fēng)量概述
11.2 礦井通風(fēng)量回歸模型分析
11.3 通風(fēng)量多元回歸分析
11.3.1 數(shù)據(jù)的預(yù)處理
11.3.2 瓦斯、煤塵、溫度、濕度與通風(fēng)量模型的建立
11.4 礦井最優(yōu)通風(fēng)風(fēng)量有效性分析
11.4.1 空氣中煤塵濃度與風(fēng)速映射關(guān)系建模
11.4.2 空氣中瓦斯?jié)舛扰c風(fēng)速映射關(guān)系建模
11.4.3 礦井中溫濕度與風(fēng)速映射關(guān)系建模
11.5 預(yù)測模型誤差檢驗(yàn)
11.6 本章小結(jié)
第12章 基于非線性多混合擬合模型的植被過濾帶計(jì)算
12.1 植被試驗(yàn)場概況
12.2 試驗(yàn)方法
12.2.1 試驗(yàn)參數(shù)
12.2.2 土樣的分析方法
12.2.3 水樣的分析方法
12.3 植被過濾帶凈化效果評價方法
12.4 植被過濾帶凈化效果影響因素分析
12.4.1 植被條件對植被過濾帶凈化效果的影響
12.4.2 入流水文條件對植被過濾帶凈化效果的影響
12.4.3 帶寬對植被過濾帶凈化效果的影響
12.4.4 坡度對植被過濾帶凈化效果的影響
12.4.5 入流污染物濃度對植被過濾帶凈化效果的影響
12.4.6 土壤初始含水量對植被過濾帶凈化效果的影響
12.5 植被過濾帶凈化效果關(guān)聯(lián)度計(jì)算
12.6 基于非線性多混合擬合模型的濃度削減率計(jì)算
12.7 本章小結(jié)
第13章 基于伊藤微分方程的布朗運(yùn)動分析
13.1 隨機(jī)微分方程數(shù)學(xué)模型
13.1.1 布朗運(yùn)動概述
13.1.2 布朗運(yùn)動的數(shù)學(xué)模型
13.2 布朗運(yùn)動的隨機(jī)微分方程
13.2.1 隨機(jī)微分方程
13.2.2 隨機(jī)微分方程系數(shù)
13.3 伊藤微分方程及伊藤微分法則
13.3.1 伊藤微分方程
13.3.2 伊藤積分
13.3.3 伊藤過程
13.3.4 伊藤隨機(jī)微分方程的解析解
13.3.5 伊藤隨機(jī)微分方程的數(shù)值解
13.4 數(shù)值布朗運(yùn)動模擬與MATLAB實(shí)現(xiàn)
13.4.1 布朗運(yùn)動的模擬
13.4.2 幾何布朗運(yùn)動的模擬
13.4.3 伊藤微分方程的布朗運(yùn)動模擬
13.5 本章小結(jié)
第14章 基于Q學(xué)習(xí)的無線體域網(wǎng)路由方法
14.1 無線體域網(wǎng)研究背景
14.2 無線體域網(wǎng)性能分析
14.2.1 無線體域網(wǎng)系統(tǒng)結(jié)構(gòu)
14.2.2 無線體域網(wǎng)的主要特點(diǎn)
14.3 無線體域網(wǎng)路由協(xié)議
14.3.1 無線路由協(xié)議
14.3.2 高效節(jié)能路由協(xié)議
14.3.3 DSR路由協(xié)議
14.4 基于Q學(xué)習(xí)的無線體域網(wǎng)路由方法
14.4.1 Agent增強(qiáng)學(xué)習(xí)算法
14.4.2 增強(qiáng)學(xué)習(xí)算法的基本原理
14.4.3 Q-learning增強(qiáng)學(xué)習(xí)算法
14.4.4 基于Q學(xué)習(xí)的無線體域網(wǎng)路由策略
14.4.5 WBAN路由分析與MATLAB實(shí)現(xiàn)
14.5 本章小結(jié)
第15章 基于遺傳算法的公交排班系統(tǒng)分析
15.1 公交排班系統(tǒng)背景分析
15.2 公交線路模型仿真
15.2.1 車輛行駛模型
15.2.2 乘客上下車模型
15.3 遺傳算法的發(fā)展與現(xiàn)狀
15.4 遺傳算法的基本思想
15.5 遺傳算法的特點(diǎn)
15.6 遺傳算法的應(yīng)用步驟
15.7 公交排班問題模型設(shè)計(jì)
15.7.1 模型假設(shè)
15.7.2 定義變量
15.7.3 建立目標(biāo)函數(shù)
15.7.4 算法結(jié)構(gòu)
15.8 本章小結(jié)
第16章 人臉檢測識別與MATLAB實(shí)現(xiàn)
16.1 人臉檢測的意義
16.2 人臉檢測常用的幾個彩色空間
16.2.1 RGB彩色空間
16.2.2 標(biāo)準(zhǔn)化RGB彩色空間
16.2.3 HSV彩色空間
16.2.4 YCrCb彩色空間
16.3 靜態(tài)膚色模型
16.3.1 RGB顏色空間分割
16.3.2 HSV顏色空間分割
16.3.3 YCbCr顏色空間分割
16.4 基于Lab顏色空間的人臉分割
16.5 運(yùn)動人圖像檢測與MATLAB實(shí)現(xiàn)
16.6 本章小結(jié) 269
第2篇 MATLAB高級算法應(yīng)用設(shè)計(jì)
第17章 基于改進(jìn)的多算子融合的圖像識別系統(tǒng)設(shè)計(jì)
17.1 圖像處理研究內(nèi)容
17.2 圖像處理的特點(diǎn)
17.3 圖像數(shù)字化
17.4 Gabor濾波
17.5 直方圖增強(qiáng)
17.6 圖像邊緣概述
17.7 圖像邊緣分割模塊
17.7.1 Sobel算子
17.7.2 Prewitt算子
17.7.3 Canny算子
17.7.4 Roberts算子
17.7.5 Laplacian算子
17.7.6 kirsch方向算子
17.7.7 多算子融合
17.8 足跡圖像識別系統(tǒng)
17.9 本章小結(jié)
第18章 基于罰函數(shù)的粒子群算法的函數(shù)尋優(yōu)
18.1 粒子群算法概述
18.2 粒子群算法模型
18.3 罰函數(shù)法
18.4 汽車動力傳動參數(shù)優(yōu)化設(shè)計(jì)
18.4.1 汽車動力性評價
18.4.2 汽車燃油經(jīng)濟(jì)性評價
18.4.3 汽車動力性與燃油經(jīng)濟(jì)性的綜合評價
18.4.4 目標(biāo)函數(shù)與約束條件分析
18.4.5 基于罰函數(shù)的PSO算法與MATLAB實(shí)現(xiàn)
18.5 本章小結(jié) |
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)
合作伙伴與授權(quán)機(jī)構(gòu)