#前言

测试了很多远程连接软件，发现还是teamviewer好用，但是莫名其妙被检测成商业用户，不能使用，记录解决方案。

#实验报告

#写在前面

#问题分析

#问题描述

该项目的目标是完成一个找到在不同的视角下拍摄的同一物体或场景中的相似之处的算法。我们主要实现的是一个简易版的SIFT算法。主要需要完成的是以下三个方面的内容：

• 实现一个Harris角点检测算法

• 实现一个类似SIFT算法的局部特征描述算法

• 实现一个基于比率测试或最近邻距离比测试的局部特征匹配算法

#数据集分析

以NotreDame数据为例，包含了两张同一物体的不同角度的图像，如图1所示。

图1 数据图像

1
2
3
4
5
6

data
├── NotreDame
|   ├── 921919841_a30df938f2_o_to_4191453057_c86028ce1f_o.mat
|   ├── 921919841_a30df938f2_o.jpg
|   └── 4191453057_c86028ce1f_o.jpg
├── ...

#用人工神经网络求解旅行商(TSP)问题

#问题描述

旅行商问题(Travelling Salesman Problem, 简记TSP, 亦称货郎担问题): 设有34个城市及其对应的经纬度坐标, 则问题是要找出遍访每个城市恰好一次的一条回路并使其路径长度为最短.

#人工神经网络-感知器训练

#问题描述

下面这个训练集合是线性可分的:

(手工)训练此训练集合中的线性阈值单元。你的单元包括执行阈值的输入在内的四个输入。设所有权值的初始值为0。用固定递增纠错程序来训练你的单元直至找到一个解。
在每次训练循环后标出各组权值。以前面的输入为顶点画出一个三维立方体的草图，并根据最终权集画出分割平面的草图。

#多尺度协同变异的粒子群优化算法

#问题描述

实现文《一种多尺度协同变异的粒子群优化算法》^[1]的测试实验。

#用 GA 算法求解旅行商问题

#问题描述

旅行商问题(Travelling Salesman Problem, 简记 TSP, 亦称货郎担问题): 设有 34 个城市及其对应的经纬度坐标, 则问题是要找出遍访每个城市恰好一次的一条回路并使其路径长度为最短.

#问题分析

#问题描述

该实验的目标是编写一个图像过滤功能的代码，并使用它来创建混合图像。混合图像是静态图像，其视觉效果随观察距离的变化而变化。基本思想是人的感知对于高频率更加敏感，但是在远处只能看到信号的低频(平滑)部分。通过将一个图像的高频部分与另一个图像的低频部分混合，可以获得混合图像，从而在不同距离处产生不同的视觉效果。实验数据集在proj1.rar中。

#数据集分析

实验数据集如下所示，由十张不同的bmp图像构成。

1
2
3
4
5
6
7
8
9
10
11

data
├── bicycle.bmp
├── bird.bmp
├── cat.bmp
├── dog.bmp
├── einstein.bmp
├── fish.bmp
├── marilyn.bmp
├── motorcycle.bmp
├── plane.bmp
└── submarine.bmp

#用SA算法求解旅行商问题

#问题描述

旅行商问题（Travelling Salesman Problem, 简记TSP, 亦称货郎担问题): 设有n个城市和距离矩阵D=[d_ij], 其中d_ij表示城市i到城市j的距离, i, j=1, 2 … n, 则问题是要找出遍访每个城市恰好一次的一条回路并使其路径长度为最短.