搜索资源列表
gc_stereo_vision
- 这是俄罗斯的一个博士的博士论文的配套源码，实现了GRAPH CUT用于立体视觉的匹配，它改善了传统GRAPH CUT计算耗时的缺点，他还因此称为微软一员，专门从事GRAPH CUT在图像处理上的应用。程序写的很精简，写的很好，反复学过很多遍，这也是C/C++爱好者提高编程能力的一个很好的学习样本，很值得仔细反复阅读。
WF4
- 一个WF分类器,可以选择学习速率,给出了样本分类结果
testsql2000
- jsp连接数据库sql2000的一个简单示范样本
DigitRec
- 基于神经网络的文字识别系统 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。
statistics
- 一篇统计文章，计算组合标准差，可用。小样本合并成大样本时候计算标准差
ISODATA
- 在各种聚类算法中，ISODATA可以说是应用最广泛的。以与代表点的最小距离作为样本聚类的依据，因此比较适合各类物体在特征空间以超球体分布的方式分布，对于分布形状较复杂的情况需要采用别的度量。
BPnetwork
- 该程序是用C语言写的采用了动量方法的BP神经网络，它具有极其强大的扩展性，可用于函数的逼近及分类识别等各方面，语言书写规范，其中大量使用了动态分配一、二维数组的方法，该网络实例中实现的是对某一函数的逼近，输入层为二层，中间层可自己设定多达十几层，逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。
zft
- 在VS2005下开发的，根据数据样本绘制直方图，因此获得初步的概率分布。
StudytheApplicationofMonteCarloParticleFilterAlgor
- 随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
wxy353
- 程序包含的设置包括：列数、样本总个数、建模样本数、预报因子数、预报对象数、学习因子、 动量因子、训练次数、总体误差、隐节点数。
bayes
- 输入部分特征参数，可以对样本进行分类，本程序在visualC++环境下实现。
isodata
- 模式识别 ISODATA算法 ，ISODATA算法与C-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的；
MIMdelphi
- delphi 显微图像诊断和管理，里面有样本数据和图像，是学习图像识别技术的好例子。由于太大，删掉了部分样本数据和文件。
pattern_recognition_v6.1.tar
- 包含了模式识别中常用的一些分类器设计算法，并且还能根据参数指定样本的分布规律,然后通过分类算法找分界面
examples
- tcp udp 服务器客户端样本 来自commer的tcpip网络技术一书的例子
Face_Recognition_Based_on_BP_Neural_Network
- 将BP 神经网络用于人脸识别,建立了人脸识别模型,研究了样本采样训练、样本批量训练和样本完整 训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP 神经网络与 竞争选择处理过程。利
Sample_speed_test_for_Transport_Stream_constructio
- Sample speed test for Transport Stream construction 针对传输流结构的样本速度测试
svm1
- 我写的支持向量机做回归分析程序，下载后，设计样本数据，就可以用
twopoint
- 根据样本估计密度曲线的方法，也就是pavzen窗函数法，采用正态窗函数，先画直方图，在估计平滑的密度曲线
szsb
- 源代码是识别程序的， 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。