搜索资源列表
幂法求主特征对
- 使用冥法求特征值和特征向量。-law for the use of their offerings eigenvalues and eigenvectors.
一种中文文本聚类的研究.rar
- 这里设计了一个中文文本聚类模型CTCMCChinese'Pext Clustering Model),并针对模型中涉及到的特征表示、特征提取、特征向量调整和聚类算法等问题进行了研究。
支持向量机算法及其代码实现
- 支持向量机(SVM),起初由vapnik提出时,是作为寻求最优(在一定程度上)二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法,它通过某些核函数把特征向量映射到高维空间,然後建立一个线性判别函数(或者说是一个高维空间中的能够区分训练数据的最优超平面,参考异或那个经典例子)。假如SVM没有明确定义核函数,高维空间中任意两点距离就需要定义。
MetrixVector
- vc++实现矩阵特征值与特征向量的计算
KLtransform
- (1)应用9×9的窗口对上述图象进行随机抽样,共抽样200块子图象; (2)将所有子图象按列相接变成一个81维的行向量; (3)对所有200个行向量进行KL变换,求出其对应的协方差矩阵的特征向量和特征值,按降序排列特征值以及所对应的特征向量; (4)选择前40个最大特征值所对应的特征向量作为主元,将原图象块向这40个特征向量上投影,所获得的投影系数就是这个子块的特征向量。 (5)求出所有子块的特征向量。 -(1) the application of 9 × 9 window
Extractionoffaultfeaturevector
- 用小波包提取故障特征向量并归一化,很实用,论文里的部分程序-Extracted using wavelet packet fault eigenvector and normalized, it is useful, some of the procedures in the thesis
zimushibie0505
- 在此文档中,可以实现图形字母的识别,采用特征匹配的 方法,求取特征向量,一共13个-ocr
DTWspeech
- 本 文 首先 介绍了语音识别的研究和发展状况,然后循着语音识别系统的 处理过程,介绍了语音识别的各个步骤,并对每个步骤可用的几种方法在实 验基础上进行了分析对比。研究了语音信号的预处理和特征参数提取,包括 语音信号的数字化、分帧加窗、预加重滤波、端点检测及时域特征向量和变 换域特征向量.其中端点检测采用双门限法.通过实验比对特征参数的选取, 采用12阶线性预测倒谱系数作为识别参数。详细分析了特定人孤立词识别算 法,选定动态时间弯折为识别算法,并重点介绍其设计实现。 在
20080111
- 有关图像的目标识别:"给出一种基于特征分类辨识的合成孔径雷达图像目标检测方法#用恒虚警和扩展分形方法对3&E图像进行目 标检测后用面积和峰值能量比算子辨识目标和背景杂波!去除一部分虚警!用小波域主成分分析对每个检测窗口内的图 像提取特征向量!用支持向量机对提取得到的特征向量进行分类!辨识目标和背景杂波!完成目标检测#使用&K?3数 据对该方法进行验证和分析!实验结果表明!经过特征分类辨识后!在检测率不变的情况下!虚警数目显著降低# -Related to the image ta
c_value
- 提取图像的颜色特征,首先将图像颜色映射到指定的8个颜色,然后利用自相关和互相关计算得到图像的特征向量,并从原数据库中算出利用此方法检索图像的正确率,并将检索结果好的图像显示到指定文件夹中。-Extract image s color characteristics.First, the image color map to the specified eight colors, then use the auto-correlation and cross-correlation calcula
SIFT
- 由于只是利用图像的灰度信息, SIFT 算法不能很好地区分形状相似但颜色不同的物体。针对这一问题, 提出了一种基于彩 色的SIFT 特征点提取算法, 并着重分析了多种彩色模型对算法性能的影响。这种算法也是在图像的灰度尺度空间上检测特征点, 但其特征向量由各描述子子区域的彩色模型分量的均值组成并在原始的彩色图像上进行计算。-SIFT
Untitled
- 利用小波变换实现对故障信号的特征提取 构造特征向量-Wavelet transform feature extraction of fault signals structural feature vector
zhongshu
- 人脸识别 求特征向量 均值脸 pca 特征值 支持向量包 各种M文件 支持向量机的应用发展等-Mean face recognition pca eigenvector eigenvalue vector covering all M documents the application of support vector machine development
texture_GUI
- 此程序是基于灰度共生矩阵的图像纹理特征提取算法,它进行了四个方向上的灰度共生矩阵的计算,从而得出他们的纹理特征向量,再求均值,使计算进度大幅度提高-This program is based on the GLCM texture feature extraction algorithm, which was four directions GLCM calculation to arrive at their texture feature vector, and then seek mean
PCA_nvecs
- PCA转换之后,会得到按序排列的特征值和特征向量,取前n个,进行PCA投影-After PCA transformation, will be in descending order of eigenvalues and eigenvectors, fetch the first n months, for PCA projection
xinxilun
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容:第4章 图像增强(对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强);第5章 图像复原(逆滤波复原、维纳滤波方法);第6章 图像处理中的正交变换(傅立叶变换、离散余弦变换(DCT)、沃尔什变换、基于特征向量的变换、霍特林(Hotelling)变换、SVD变换、小波变换、Mallat算法);第7章 图像压缩编码(霍夫曼(Huffman)编码、算术编码、游程编码(Run Length Codin
xiaobobao-BPwangluo
- 小波包和BP神经网络在齿轮箱故障诊断中的应用,本文对齿 轮箱振动信号应用小波包分解提取故障特征向量,进一步用特征向量训练前向传播BP人工神经网络。-xiaobobao、BP、gearbox fault detection
xiaobobao-BP-zhoucheng-zhenduan-
- 基于小波包特征向量与神经网络的滚动轴承故障诊断。:基于故障轴承的特征提取,提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法。对滚动轴承信号进行3层小波包分解,构造小波包特征向量作为故障样本,用训练好的BP神经网络进行故障诊断,试验结果表明,该方法能够有效地诊断出滚动轴承的故障类型。-Fault Diagnosis of Rolling Bearings Based on W avelet Packet Energy Eigenvector and Neural Network
Wavelet_denoising
- 基于小波变换的纹理特征提取方法,可以提取特征值,经过修改也可以提取其他特征向量!-Wavelet-based texture feature extraction method can extract the characteristic values can also be modified to extract the other eigenvectors!
matlab特征值与特征向量数值计算的14个例子代码
- matlab特征值与特征向量的计算有14个例子代码(There are 14 example codes for calculating matlab eigenvalues and eigenvectors)