搜索资源列表
Hamming_NN
- Hamming 神经网络从功能上来看是最小Hamming 距离分类器．利用它能够完成不完整输入信息与所存储模式的最小汉明距离分类． Hamming 网络是一个双层神经网络，第一层网（即匹配子网络）是用来计算输入模式与该网络已经学习过的各样本之间的匹配测度．第二层网（即竞争子网络）接收从匹配子网络送来的未知模式与已存各样本的匹配测度，然后经过多次迭代运算就可以求得与输入模式相匹配的样本．-Hamming neural network from the functional point o
chengxu
- 这是基于PCA的人脸识别，用MATLAB编写，包含了K-L变换，奇异值分解等方法，且采用了最小距离分类器-This is based on the PCA face recognition, using MATLAB to prepare, including the KL transform, singular value decomposition and other methods, and the use of the minimum distance classifier
Classifier_min_dist_f
- 最小距离分类器，matlab环境下，可直接调用-Minimum distance classifier, matlab environment, can be directly invoked
69491719BayesClassier(1)
- 实现模式识别，实现最小欧式距离分类器的实现与形成-Achieve pattern recognition, achieve the minimum Euclidean distance classifier and the formation of implementation
facedetection
- PCA、LDA人脸检测，压缩包里实现了PCA、LDA、最小距离分类器，人脸检测！-PCA, LDA face detection, compression bag to achieve the PCA, LDA, minimum distance classifier, face detection!
daima
- （压缩包里一共有5个代码） pca+lda+粗糙集+模糊神经网络 saveORLimage.m将ORL人脸库分为测试集ptest和训练集pstudy存为imagedata.mat 1.savelda.m将人脸库先进行pca降维，再用lda进行特征提取，得到新的测试集ldatest和训练集ldastudy存为imageldadata.mat 2.对ldastudy进行离散化(discretimage.m)，得到离散化矩阵disdata,存入到imagedisdata.mat
Classifier_min_Local_Mean_f
- 局部最小距离分类器，性能高于knn分类器，matlab环境下，可直接调用-Local minimum distance classifier, classifier performance than knn, matlab environment, can be called directly
code
- 利用最小距离分类器分类3种尾植物的完整实现代码-Minimum distance classifier using three kinds of classification of plants complete the end of the implementation code
Texture-Segmen-ta-t-ion-withWavelet
- 为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率, 提出了一种基于小波变换的利 用特征加权来进行纹理分割的方法. 该方法包括特征提取、预分割和后分割 3 个阶段, 其中, 特征提取在金字塔结 构小波变换的基础上进行 预分割利用均值聚类算法来对原始图象进行初步的分割 后分割则根据预分割的结果 对特征进行加权, 然后利用最小距离分类器来实现图象的最后分割. 与传统的方法相比, 该方法在分割错误率、边 缘准确性以及区域一致性等方面均有明显的改善-To imp rove t
nearest
- 最小距离分类器，针对图像进行分类的算法，采用了模式识别的思想。-Minimum distance classifier for image classification algorithm, using the idea of pattern recognition.
code
- 利用最小距离分类器分类３种鸢尾属植物 load fisheriris 载入Matlab自带的鸢尾属植物数据集 每类的前40个样本用于生成代表该类的模板，后10个作为独立的测试样本-Plant data sets The first 40 of each class used to generate the samples representative of the class template 10 after the test sample as separate
Identification-of-fundus-lesions
- 眼底病变的识别,使用对比度增强的方法。分类器使用了：最小距离分类器、Fisher线性分类器、二次分类器等。-Identification of fundus lesions, using the method of contrast enhancement. The classifier used: minimum distance classifier, Fisher classifier, the two classifier.
nearest
- 最小距离分类器的MATLAB源程序以及实例，这是书中的源码，希望能为我们的程序员家族做点贡献-The minimum distance classifier MATLAB source and example of this is the book s source code, hoping to influence the lives of our programmers family
fisher
- Fisher线性鉴别分析已成为特征抽取的最为有效的方法之一 .但是在高维、小样本情况下如何抽取Fisher最优鉴别特征仍是一个困难的、至今没有彻底解决的问题 .文中引入压缩映射和同构映射的思想 ,从理论上巧妙地解决了高维、奇异情况下最优鉴别矢量集的求解问题 ,而且该方法求解最优鉴别矢量集的全过程只需要在一个低维的变换空间内进行 ,这与传统方法相比极大地降低了计算量 .在此理论基础上 ,进一步为高维、小样本情况下的最优鉴别分析方法建立了一个通用的算法框架 ,即先作K L变换 ,再用Fisher鉴别
image-segmentation
- 针对目前传统的枸杞分级主要采用人工方法， 费时费力且效率不高的缺点， 提出了一种基于机器视觉技术对枸杞 进行自动分类的方法。 采用数字图像处理技术对枸杞图像进行了预处理、 分割 ， 从而提取枸杞的色泽、 大小及形状等特征 参数； 用 K-means 算法对特征进行聚类， 得到枸杞相应等级的基准； 根据聚类分析得到的基准采用最小距离分类器对枸杞 进行分级。 实验结果表明 ， 该方法能够准确快速地对不同色泽和大小的枸杞进行分类。-Traditional wolfberry sorting
classifier-code
- 利用最小距离分类器分类３种不同类型的植物,并测试最小距离分类器的识别率-3 different types of plants are classified using the minimum distance classifier, and the recognition rate of the minimum distance classifier is tested.
min——Classifier_dist_f
- 最小距离分类器，可以用于做对比算法，人脸识别中经常用(The minimum distance classifier can be used for comparison algorithms)
BP神经网络+最小距离分类器
- BP神经网络算法，贝叶斯-最小距离分类器，可以用于模式识别。(BP neural network algorithm, Bayesian minimum distance classifier, can be used for pattern recognition)
knn
- 模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c
鸢尾花分类
- 使用四种方法进行鸢尾花分类：最小距离分类器，K 近邻法，感知器，Fisher 准则。(Four methods are used to classify iris: minimum distance classifier, K-nearest neighbor method, perceptron and Fisher criterion.)