显着性检测

MATLAB代码层次分析显着性树新颖性显着检测框架。此代码适用于论文： [1] Z. Liu，W。Zou，O。Le Meur，“显着性树：一种新颖的显着性检测框架”，IEEE Transactions on Image Processing，vol。23，no。5，pp. 1937-1952，2014年5月。仅限非商业用途。如果使用，请引用论文[1]。此代码需要使用VLFeat开源库，可从其官网下载，以及[2]的源代码。P. Arbelaez，M. Maire，C. Fowlkes，J. Malik，“轮廓检测和分层图像分割”，IEEE Transactions on Pattern Analysis and Machine Intelligence，vol。33，no。5，pp. 898-916，2011年5月。[2]的源代码可以在以下位置下载：运行代码（1）对于Windows，请首先使用[2]的源代码（注意，需将ST_win文件夹中的“im2ucm.m”替换为[2]中的原始文件），以生成与[1]中相同的结果。我们使用了调整大小因子0.5以提高运行速度。

总体思路是将根据图像计算出的显着性景观的眼动探索建模为对随机行走觅食者的探索。由此产生的觅食步行是扫视扫描路径。该代码允许运行一个实验，该实验将定义数量的人工观察者付诸行动，每个观察者使用论文中描述的CLE方法的略微增强版本在给定图像上生成视觉扫描路径（一系列注视和扫视）。增强关注：1）可以使用更通用的alpha-stable分布而不是坚持柯西分布如文献中提到的；2）采用明智的策略来采样下一个视线转移，因为下一个视线位置的选择是通过内部模拟步骤获得：n个候选人注视shifts被初步采样并根据增益函数进行评估。最终保留n个候选班次中最好的。软件安装。

这段MATLAB代码基于分层分割进行协同显着性检测，适用于以下论文：[1] Z. Liu, W. Zou, L. Li, L. Shen 和 O. Le Meur，“基于分层分段的共显着性检测”，IEEE信号处理。Lett。，第一卷21号1，第88-92页，2014年1月。代码仅限非商业用途。如需使用，请引用论文[1]。此代码依赖于[2] P. Arbelaez, M. Maire, C. Fowlkes, J. Malik，“轮廓检测和分层图像分割”，IEEE模式分析和机器智能交易，第1卷33，不。5卷，第898-916页，2011年5月。源代码包含在“ lib”文件夹中，也可以从以下位置下载。我们已在Ubuntu 12.04下测试通过。运行Demo.m在MATLAB中，您将获得一个示例。

本代码是基于Panagiotakis等人提出的PMUCOS方法的简单实现，用于发现视频中所有的周期性部分并估计它们的周期，完全无需监督。这些周期性片段可以存在于视频的任何位置，具有不同的持续时间、速度和周期，适用于各种对象（如人、动物、机器等）的运动模式。如需引用相关论文，请参考Panagiotakis等人在IEEE国际图像处理会议上的研究。

提供图像分割、物体检测和视觉识别的基准图像数据集

利用ACK序号步长突变特征，提出排列熵检测LDoS攻击方法。该方法提取ACK序号步长排列熵，检测突变时刻，实现LDoS攻击检测。

传统的软件缺陷检测研究往往假设训练数据和测试数据来自相同的特征空间并服从相同的分布。然而，实际应用中数据集可能源于不同的领域，呈现不同的分布特征。此外，目标项目中的可用数据可能较为有限，且通常受到噪声干扰，这都为软件缺陷检测模型的性能带来了不确定性。 为解决这一问题，我们将数据复杂性概念引入软件工程领域，并针对公共软件数据集进行数据复杂性度量研究，以确定适用于缺陷检测的有效度量指标。通过分析复杂性指标与模型性能之间的关系，我们可以深入理解数据复杂性对缺陷检测的影响，为检测模型的管理和设计提供决策支持。

在Sql Server中，要检查表中是否存在特定列，可以通过查询信息模式视图或系统表来实现。例如，可以查询information_schema.columns视图或sys.columns系统视图，以验证列是否存在。这种方法允许开发人员在执行DDL语句之前动态地检查列的存在性，从而避免因为重复列名或其他错误而导致的运行时异常。

DSL：基于多维特征密集稀疏标记的显著性检测算法实现 本代码库提供了论文 “具有显着性检测的多维特征的密集和稀疏标记” [1] 中提出的 DSL 算法的实现。 系统要求 64位 Ubuntu 14.04 或 64位 Windows 8.1 操作系统 MatConvNet (需编译) [2]，支持 CUDA 7.5 和 cuDNN v3 CUDA 7.5 (可选，GPU加速) cuDNN v3 (可选，GPU加速) 使用方法 下载并编译 MatConvNet [2]. 下载模型文件 (必需) 以及现有数据集上生成的显著性图 (可选). 运行代码. 引用 使用此代码，请引用 [1]. 参考文献 [1] 论文标题 [2] MatConvNet: CNNs for MATLAB

心电信号处理领域中，自动分析心电图（ECG）信号已成研究热点。自动化分析有望推动医疗事业发展，提升国民健康水平。QRS波群及P、T波的准确定位是关键，但面临信号干扰和滤波技术不足。聚焦于心电信号滤波和QRS波形定位方法，设计了结合FIR陷波器与Levkov滤波法的50Hz工频干扰滤除器。新算法基于Marr小波链检测QRS波群，通过多分辨率分析和模极大值检测原理提高定位精度。