边缘检测 边缘主要包括轮廓线边缘和纹理边缘 寻找图像中的边缘是为了找到变化非常强烈的相邻像素，例如从0-255或从255-0。 Robert算子(Robert operator) I[i, j] : 图像中的像素值 通过高斯滤波器卷积图像，我们将得到 S[i,j]=G[i,j:σ]∗I[i,j]S[i,j]=G[i,j:\sigma]*I[i,j] S[i,j]=G[i,j:σ]∗I[i,

纹理分割 图案或纹理是图像处理的重要组成部分。 通过使用灰度共生矩阵(GLCM)查看图片的模式或纹理，将图片分成组(区域)。 案例 灰度共生矩阵(GLCM) 三种不同的共生矩阵的灰度图像。 GLCM通过计算具有特定值和具有特定空间关系的像素对在图像中出现的频率来描述图像的纹理。 根据纹理分辨率的不同，可以进行4级以上的图像分割。 转置矩阵使矩阵对称。 标准化对称水平GLCM。 对称

作战篇第二 本篇主要阐述的是如何进行战争。孙武认为，战争的消耗和战费的开支是十分庞大的，战争旷日持久势必危及国家的存亡。所以，他主张速胜。此外，为弥补己方的消耗和削弱敌国，他又主张“因粮于敌”，“胜敌而益强”。 【原文】 孙子日：凡用兵之法，驰车千驷，革车千乘，带甲十万，千里馈粮，则内外之费，宾客之用，胶漆之材，车甲之奉，日费千金，然后十万之师举矣。 【译文】 孙子说：只要兴兵作战，必然需要出动轻

谋攻篇第三 本篇主要论述了如何进攻敌国的问题。孙武主张以尽可能小的代价，去取得最大的成功，即力求不战而胜，不靠硬攻而夺取敌城，不需久战而毁灭敌国。为实现这一目标，他特别强调以谋略取胜，指出：用兵的上策首先是以政治谋略取胜，其次以外交手段取胜，再次是使用武力取胜，下策才是攻城。而要做到这一点，就不仅需要知己，还要做到知彼。 【原文】 孙子日：凡用兵之法，全国为上，破国次之；全军为上，破军次之；全旅为

参考链接： https://www.leiphone.com/category/ai/TmJCRLNVeuXoh2mv.html https://tianjuewudi.gitee.io/2021/12/02/qiang-hua-xue-xi-zhong-de-hao-qi-xin-jiang-li-ji-zhi/#! https://cloud.tencent.com/developer/ne

第八章 如果这件事能做好，那么其他事也能 ——关于“自我变革” 亚历山大（阿德勒的大女儿）回忆说：“我们这些孩子在吃饭的时候、大人们总是待在一起，吃完后，孩子们想玩到什么时候都可以、剩菜剩饭也没有关系。” “我们什么时候离席上床睡觉父亲母亲都不会管，都全由自已判断。 “只有一个要求：第二天准时上学。” ——引自《回忆阿德勒》 这段话也是阿德勒心理学中“课题分离”的案例。 音乐也好，舞蹈也好，

第七章 有能力贡献，才有价值 ——关于“给予勇气” 父亲（即阿尔弗雷德·阿德勒）总是给周围的人带来勇气。 我在十多岁的时候曾经转学。 转学后，我的数学成绩就一下子变差了。实际上，自从一开始考试时我就逃回家了。 于是我就认为自己学不好数学。 父亲问：“怎么了，别人都能做到的事，你却做不到，反而在那边胡思乱想。尝试去做，你就一定都能做出来。” 此后，在很短的时间内，数学变成了我的强项。 学校老师对我

第六章 情感激烈的人具有强烈的自卑感 ——关于“情感” 阿德勒很少谈及自身的成长。 即便说起，也只是截取片段来说。 他曾经提起过，自己还在蹒跚学步的时候，一旦生气就会喉头收缩，出现轻微呼吸不畅的现象。 数十年后，等他了解了易怒性格的成因，再回忆起当年的趣事时说道： “那时的情况让我们非常痛苦，所以三岁时就下定决心不再生气。从那天起，我就再也没有发怒过。” ——引自《阿德勒的生涯》 我们并不是

计篇第一 本篇论述的是能否进行战争的问题。孙武在本篇中指出，战争是关乎国家生死存亡的大事。“道”、“天”、“地” 、“将”、“法”是决定战争胜负的五项基本要素。“道”是指使人民与统治者同心同德；“天”指昼夜、晴雨、寒暑等气候时节和天命、人事、道义；“地”指土地，具体如地势、地形的高下、险要、平坦，距离的远近等对于攻守进退的利弊；“将”指将帅的智谋、赏罚必信、爱抚士卒、英勇果断和军纪严明；“法”则指

参考链接： https://blog.csdn.net/huangguohui_123/article/details/108208134 https://blog.csdn.net/weixin_31556371/article/details/112224367 https://blog.csdn.net/sinat_41299610/article/details/106912048 ht

使用Matplotlib绘制动态散点图。 主要函数： plt.ion()：开启交互模式 plt.clf()：清空画布 plt.ioff()：关闭交互模式 基本思路：清空画布之后重新绘制图像，如果想要设置坐标轴、标题等内容，需要在清空画布之后重新设置。 1234567891011121314import matplotlib.pyplot as pltimport numpy as npplt.io

多无人机辅助移动边缘计算的高效卸载和轨迹调度 摘要:移动边缘计算 (MEC) 和无人机 (UAV) 的出现对物联网 (IoT) 的未来发展具有重要意义。额外的计算能力和广泛的网络覆盖为能源有限的智能移动设备 (SMDs) 提供了更多的机会来体验不同的智能应用。本文提出了多无人机辅助 MEC 系统的计算效率最大化问题，同时考虑了计算量和能量消耗。基于部分计算卸载模式，联合优化无人机用户关联、 CP

物联网应用的空间/航空辅助计算卸载:一种基于学习的方法 摘要：物联网 (IoT) 计算卸载是一个具有挑战性的问题，特别是在公共边缘/云基础设施不可用的偏远地区。本文提出了一种空间-空-地综合网络 (SAGIN) 边缘/云计算体系结构，以减轻考虑远程能源和计算约束的计算密集型应用，其中飞行无人机提供近用户边缘计算，卫星提供云计算。首先，针对无人机边缘服务器，提出了一种联合资源分配和任务调度方法，有

无人机辅助移动边缘计算中的节能资源管理 摘要：无人机的部署增强了网络容量，并为移动用户提供服务，无论其是否有基础设施覆盖。与此同时，我们观察到物联网设备和应用呈指数级增长。然而，由于物联网设备的计算能力和电池寿命有限，因此在设备上本地处理数据具有挑战性。为此，本文提出了一种无人机辅助移动边缘计算系统。通过优化任务卸载决策、资源分配机制和无人机轨迹，同时考虑通信和计算延迟要求，研究了物联网设备和无

使用飞雾为车辆网络按需提供资源 摘要：自智能城市诞生以来，车辆网络为延迟敏感应用引入了新的维度。由于延迟，使用后端云数据中心不再是可行的解决方案。因此，为了支持这样的应用，计算设备被放置在边缘位置，以减少通信延迟，提高服务质量。然而，在拥塞的环境中，由于大量的计算请求，这些位置会超载，从而导致系统整体性能下降。本文以飞行雾单元的形式引入资源分配和配置的概念，提出了一个计算框架来解决这一问题。资源

无人机辅助车载网络的深度强化学习 摘要:无人机( uav )被设想为未来智能城市中 5G 通信基础设施的补充。在交叉口容易出现热点，车辆之间的有效沟通是一个挑战。uav 可以作为继电器，具有价格低、易于部署、视线范围连接和灵活的机动性等优点。在本文中，我们研究了无人机辅助的车载网络，无人机联合调整其传输控制(功率和信道)和三维飞行，以最大限度地提高总吞吐量。首先，通过对无人机/车辆的机动性和状态

无人机辅助移动边缘计算的计算卸载优化:一种深度确定性策略梯度方法（6）——代码实现 参考连接： [1] Wang Y , Fang W , Ding Y , et al. Computation offloading optimization for UAV-assisted mobile edge computing: a deep deterministic policy gradient

无人机辅助移动边缘计算的计算卸载优化:一种深度确定性策略梯度方法（5）——结果与分析 参考文献： [1] Wang Y , Fang W , Ding Y , et al. Computation offloading optimization for UAV-assisted mobile edge computing: a deep deterministic policy gradien

无人机辅助移动边缘计算的计算卸载优化:一种深度确定性策略梯度方法（4）——DDPG-based算法 参考文献： [1] Wang Y , Fang W , Ding Y , et al. Computation offloading optimization for UAV-assisted mobile edge computing: a deep deterministic policy

无人机辅助移动边缘计算的计算卸载优化:一种深度确定性策略梯度方法（3）——基础知识 参考文献： [1] Wang Y , Fang W , Ding Y , et al. Computation offloading optimization for UAV-assisted mobile edge computing: a deep deterministic policy gradient