使用Momenergy Functors进行激光成像检测和测距

该程序模拟了包含四个散射点的转台目标成像过程，采用解线频调制方法。随着技术的进步，这种仿真方法在雷达成像领域具有重要的应用前景。

贡献者梅丽莎·陈（Melissa Chen）、高乐中（Lezhong Gao）、凯文·夸奇（Kevin Quach）、韦拜·斯里瓦斯塔瓦（Vaibhav Srivastava）使用区域增长聚类算法对3D点进行聚类，以过滤出具有宽度和深度的聚类。在360度全景图上，利用深度神经网络的预测框对聚类点进行投影，并选择最可能的框进行跟踪。

此仓库提供基于 ALS 的倒伏树检测算法的源代码。通过 mainfindFallenTrees.m 中的 findFallenTrees() 函数使用该算法。请查阅函数文档，以了解有关函数输入、输出和用法的更详细描述。注意：在运行函数之前，必须先调用脚本 startup.m，因为它将所有必需的文件路径添加到 MATLAB 路径中。算法流程：1. 读入和预处理数据2. 基于关联组件分析的分类过滤点云（可选）3. 使用基于迭代 Hough 变换的线检测检测倒伏树4. 使用卷积神经网络去除虚假倒伏树段（可选）步骤 2 和 4 可以使用用户自定义的分类器，这些分类器是使用 connected_comp

我提出了一组速率方程，用于模拟量子点激光器的性能。在这个新模型中，我考虑了均匀和非均匀展宽对性能的影响。

Android应用程序使用深度学习进行目标检测是一个关于利用OpenCV和神经网络开发应用程序的项目，特别是TinyYOLOv3目标检测。该项目已经启动，提供了一个基本版本的应用程序。应用程序通过智能手机摄像头进行目标检测，用户只需按下一个按钮即可。要编译项目，用户需要在手机内部存储中创建一个名为\"dnns\"的文件夹，并下载必要的\"yolov3-tiny.cfg\"和\"yolov3-tiny.weights\"文件到该文件夹中。整个Android Studio项目可以在mainactivity.java中找到函数的实现。

利用simhash算法分析Excel中不同行的文本，并生成相似度矩阵。

Matlab代码中，使用Erdős-Rényi聚类算法，对电影中的人脸图像进行端到端的检测和演员分组。此代码计算不同人脸图像之间的Rank-1 Count相似度得分。编译时使用g++ -o run.bin main.cpp Rank1Count.h Rank1Count.cpp进行测试。默认情况下，此演示代码以前10张LFW图像的编码作为输入。

微区成像激光诱导击穿光谱系统光谱信号稳定性研究 系统构建: 集成了微区成像功能的激光诱导击穿光谱系统被成功搭建。 稳定性分析: 描述性统计分析方法被用于分析激光器能量稳定性和光谱仪噪声水平。 气体和固体样品的激光诱导击穿光谱信号稳定性特征被重点分析和对比。 结果:* 空气样品激光诱导击穿光谱信号展现出显著的随机波动特性和正态分布特征。* 铝合金样品激光诱导击穿光谱信号则表现出明显的位置敏感特性和非随机波动特性。* 与空气样品相比，铝合金样品激光诱导击穿光谱信号的不稳定性主要源于光与物质相互作用区域的变化。 稳定性提升: 对于具有正态分布特征的激光诱导击穿光谱信号，多脉冲平均方法可以有效

这是一个边缘检测的GUI界面，建议使用MATLAB 7.6以上版本打开，以免出现兼容性问题。