ygqaaa

Score: 178
Uploads: 6
Downloads: 65
Create time: 2019-07-08 18:16:13

Upload log:
ADJUST1.1.1.zip - eeglab中的包,下载后可以直接解压,把解压后的文件直接复制在matlab的安装目录下../toolbox/eeglab/plugins中,重新打开eeglab即可使用。
Robomongo v0.90 RC官方版.rar - RoboMongo是一个MongoDB管理工具,连接数据库的时候,输入 相应的地址用户名和密码就好了。点击连接。通过 Robomongo 你可以管理 MongoDB服务,数据库,集合,文档,索引等等。
zhihuuser.rar - 爬虫,就是在一张大网上不断地爬取信息,刚开始我们只有一个小点,也称为种子,从这个点逐步扩张,成为一只大网,所以爬虫就是一张结网的蜘蛛。
BrainNetwork.rar - 用于使用eeg数据构建脑网络指标,并且能够对这些指标进行分析
biosig4octmat-2.51.zip - 用于读取EEG信号的工具,该工具可以轻松且有效地读取数据。
eeglab_current.zip - EEGLAB是一个Matlab的工具箱(Toolbox),主要用来处理EEG(脑电图)和MEG(脑磁图)以及其他的连续且事件相关的电生理信号,如ECG(心电图)。EEGLAB能够对电生理信号进行一系列的分析,包括独立成分分析(ICA)、时频分析(TFA)、消除伪影、事件相关的统计分析以及几种对数据可视化的模型。

Download log:
eeglab.rar - eeglab for eeg analysis
FA.rar - 因子分析法主程序,输入数据x以及主成分个数,则可以得到因子分析法的结果
FACTOR-ANALYSIS.rar - 因子分析案例及matlaB代码:从相关系数矩阵出发进行因子分析
xinzifenxi.rar - 因子分析求得共同度,因子贡献,因子贡献率,得分函数的系数
anfactpc.rar - 基于matlab的因子分析源码 主要可用于解决主成分因子分析类问题
ex4.rar - 建立主成分分析和因子分析界面,对给定的随机数据进行主成分分析和因子分析
ToShare_SurfaceSimplification_using_quadric_error_ - 采用java实现基于二次误差度量的网格简化算法;主要使用了java的集合框架中的treeSet
网格简化源码.rar - 简化3d模型网格数,生成适合在LOD中使用的多层次模型。
simplify.rar - 三角网格简化算法从,适合图形学入门者学习。
simplification.rar - 一个使用c++读取obj文件并实现简化效果的程序,适合初学者模仿学习
MeshSimpCode.rar - 实现边坍塌(edge-collapse)的网格简化方法;程序能指定输入输出的 obj 文件,以及面数的简化比(输出面数占输入面数的百分比),例如:命令行程序可以支持如下参数 mesh_simp.exe 输入.obj 输出.obj 简化比
MESH--SIMPLE.rar - 可以简化obj,ply等三维模型,1:在VC++2008上运行oglpemsh.dsw 文件 2:选择要简化的模型,eg:huge_bunny.ply 3:选择简化
MeshSimply.rar - 图形学大作业,通过网格简化实现了对obj模型的简化,并通过OpenGL实现了对简化后的面片的显示
mesh.tar.gz - 网格简化程序,将标准的obj三维模型文件简化成为包含三角面片较少的三维模型,之后通过opengl显示出来。采用的主要算法为边坍缩算法。
mesh_simplification.zip - 网格简化, 将复杂的带有很多细节的物体的三维立体网格进行任意比例的简化,使得其减少点和面片的数量并保持物体的基本特征,以达到加快图像显示及压缩文件的效果。
simplify.rar - 这是一种三角形面片简化算法,此算法可以将复杂的三维模型化简,由几万、几十万的三角形化简到几万、几千甚至几百个三角形,同时保持与原模型最大的相似度。此算法可以用来化简模型,也可以用来生成游戏编程中LOD(level of detail)技术所需要的特殊格式的模型文件。
MeshCut.rar - 国外源码,经典的点云简化,可以对三维模型进行简化处理
wanggemoxing.zip - 三维网格模型的简化,直接运行DEMO文件夹下的文件,然后加载模型。本程序适合搞网格模型简化的朋友。
bunnylod.rar - 网格简化 计算机图形学 初学者可以看看 一个老外写的很不错的源码
jianhau.zip - 三角网格简化源代码,效果较好,推荐使用,欢迎使用,

Favorite: