地理信息系统高级算法课程作业，良心之作。归一化割和图像分割（Normalized Cuts and Image Segmentation）论文总结报告。

Matlab仿真未归一化的最优运输 一个存储库，其中包含用于在一维和二维中计算非标准化Wasserstein-2（UW-2）距离的代码。 该代码取自： Gangbo，Wilfrid等。 “未归一化的最佳运输。” arXiv预印本arXiv：1902.03367（2019）。 该代码是用C ++和Mex包装器编写的，因此可以使用Matlab调用该代码。 文件内容如下： UnnormalizedOTSolver1D.cpp / h-一个C ++类，可用于实际计算1维的UW-2。 有关用法示例，请参见main.cpp UnnormalizedOTSolver.cpp / h-与上面相同，但用于二维计算UW-2。 main.cpp-包括C ++接口的示例用法以及用于在2维中计算UW-2的mex入口点。 如果在没有mex编译器的情况下编译代码，则代码的Matlab部分将被自动排除。 有关mex示例，请参阅mex_unbalanced_emd_code.m。 MexUnnormalizedOtSolver1DEntry.cpp-用于计算1维UW-2的混合代码的入口点。 有关示例用法，请参阅mex_

normalized cut 的matlab代码，graph-cut用于图像分割

matlab程序，主要包含用K-means、Meanshit和normalized cuts算法对图像进行分割，算法简单易懂，主要介绍了这三种算法的程序实现方法，对深入学习基本理论有帮助。

Normalized Cuts and ImageSegmentation图像分割一个引用很高的算法

为了大家更好学习高光谱编程，讲一些常用的高光谱数据集上传，仅仅针对MATLAB用户，直接load就能使用。

Normalized Cut的MATLAB实现，排除了bug之后的版本，可直接运行，经测试可以在R2017b正常使用

标准化切割和图像分割 Jitendra Malik，Jiant Shi Shi加州大学伯克利分校 归一化分割是一种使用图论框架解决感知分组问题的图像分割算法。 该算法由Shijianbo Shi和Jitendra Malik于1997年开发，是反复经受时间考验的稀有算法之一。 此处编写的代码是该算法的Matlab实现，是班加罗尔国际信息技术研究所的“数字图像处理”课程的部分完成内容。

计算相似度的matlab代码计算归一化的谷歌距离使用matlab 从这里获取代码： 从这里观看代码： 此代码使用matlab可以非常精确地计算“归一化的Google距离”。 标准化Google距离是一种语义相似性度量，它是由Google搜索引擎针对给定关键字集返回的命中数得出的。 在自然语言意义上具有相同或相似含义的关键字倾向于以“标准化Google距离”为单位“接近”，而具有不同含义的单词则往往相距较远。 应用程序用于机器学习项目，例如颜色与数字，素数与非素数，以及使用WordNet类别的随机大规模实验。 在素数与非素数的情况下以及WordNet实验中，使用支持向量机分类器增强了NGD方法。 实验由25个阳性实例和25个阴性实例组成。 WordNet实验由100个随机WordNet类别组成。 NGD方法的成功率为87.25％。 即平均值为0.8725，而标准偏差为0.1169。 这些费率与WordNet类别的一致性有关，WordNet类别代表进入其中的具有博士学位的研究人员的知识。 很少看到协议低于75％。 与我联系：电子邮件：我所有代码的列表： 直接在freelancer上雇用我：

matlab开发-NormalizedNormalConstraintNCalgorithmformulti-objective优化。该代码实现了一种多目标优化的NNC算法。