搜索资源列表
Apple-feature-extraction
- 苹果特征提取，按照灰度化，直方图均衡化，中值滤波，边缘检测，特征提取的顺序来 特征提取中，取得“比例系数”时，选择一张横径图片，序号与之前选择图像的相同-Apple feature extraction, according to grayscale, histogram equalization, median filtering, edge detection, feature extraction feature extraction in order to obtain "
five-kind-BP-for-traffic-prediction
- 采用五种不同的局部算法对BP网络进行改进，预测交通流量，根据不同的数据特征可以进行不同的选择-Using five different local networks to improve the BP algorithm to predict traffic flow, according to different data characteristics can be different choices
Merge
- 功能：将多光谱图像和全色图像融合，得到更丰富的细节信息。 全色光学图像空间细节的表现能力好，DCT变换后其主要特征集中在高频区域，而多光谱图像光谱成分丰富细腻，其主要特征集中于低频区域，因此对全色光学图像和多光谱图像分别进行DCT变换，通过适当的选择全色光学图像的高频部分和光谱图像的低频部分进行融合，进行逆DCT变换，就得到象素域的融合图像，为了增强融合效果，突出局部区域特征，采用对图像分块的原则。 -Function: the multi-spectral image and pan
FastCornerTest
- 实现一幅图像的特征点快速提取，并以彩色点标示。可以选择是否使用非极大值抑制。-fastcorner feature extraction
jcbir
- 谷歌的图像检索源程序，能提取图像的特征，并用你选择的图像来检索类似的图像。-Google image retrieval source program, can extract the image characteristics, and the image you choose to retrieve similar images.
S4VM
- S4VM 对传统的S3VM 进行了改进。传统的S3VM 基于低密度假设，它试图找到一个低密度的分界线， 也就是更倾向于决策边界穿过特征空间的低密度区域。S4VM 和S3VM 的不同点在于，S3VM 试图把注意力 集中在一个最优的低密度分界线上，而S4VM 则同时关注多个可能的低密度分界线。之所以这样做，是因为 给定一些有标记的点和大量未标记的点，可能存在着不止一个“间隔”较大的低密度分界线（如图2 ），基于 有限的标记样本，很难决定哪个是最好的。虽
Selection-of-Wavelet
- 通过定性与定量的分析, 提出了在对冲击信号进行连续小波变换时选择最佳小波基函数的方法和小波变换 后故障特征提取效果优劣的检验手段, 并且得出了对于冲击性信号的连续小波变换, 小波基函数的最佳选择为 M o rlet函数的结论。-A method for selecting the best wavelet base in cont inuous wavelet transform (CWT) for impulse signals is introduced, and a test fo
Active-machine-vision-
- 主动机器视觉目标特征提取及注意力选择，优秀的硕士论文-Object Feature Extraction and Attention Selection of Active Machine Vision
CLIPS_6.30_Beta.R3
- clips最新版 CLIPS是一种专家系统工具，最初由NASA/Lyndon B. Johnson太空中心软件技术研究室开发出来。自1986年首次发布以来，CLIPS经历了不断的改进和完善。现在它已经被广泛的应用在数以万计的全球用户中。 CLIPS被开发出来以促进集成人类知识和经验的软件发展。 在CLIPS中，知识的表示有三种方式： l 规则，规则表示法是基于启发式经验知识库的首要选择。 l 自定义函数和通用函数，这种方式是程序式知识表示的首选。 l 面向对象设计，也
lunwen
- 提出一种多尺度方向(multi-scale orientation,简称 MSO)特征描述子用于静态图片中的人体目标检 测.MSO 特征由随机采样的图像方块组成,包含了粗特征集合与精特征集合.其中,粗特征是图像块的方向,而精特征 由 Gabor 小波幅值响应竞争获得.对于两种特征,分别采用贪心算法进行选择,并使用级联 Adaboost 算法及 SVM 训 练检测模型.基于粗特征的 Adaboost 分类器能够保证高的检测速度,而基于精特征的 SVM 分类器则保证了检测精 度.另
Relief
- 基于Relief算法的特征权重选择，有效地选择出了权重数据。-Relief algorithm based on the characteristics of the right to re-select to choose a weight data.
xiaobogongcheng
- 很实用的小波分析源码，应用于各种工程实际项目中 6.1小波分析263 6.2从傅里叶变换到小波变换266 6.3基于MATLAB的小波快速算法设计271 6.4小波变换检测故障信号与小波类型的选择283 6.5图像多尺度边缘检测算法研究292 6.6小波变换在信号特征检测中的算法研究298 6.7基于小波的信号突变点检测算法研究307 6.8基于小波的信号阈值去噪算法研究313 6.9基于小波图像压缩技术的算法研究320 6.10小波变换图像测试分析331
camshift
- 基于选定区域颜色信息的跟踪算法，通过鼠标选择区域，计算区域颜色特征，对物体进行跟踪-Based on the selected regions of color information in the tracking algorithm, through the mouse to select the area, calculation region color feature, object tracking
Face-Recognition
- 人脸识别，人脸图像预处理；读入人脸库，训练形成特征子空间；把训练图像和测试图像投影到上一步骤中得到的子空间上；选择一定 的距离函数进行识别。-Recognition, face image preprocessing read into the face database, training the formation of the feature sub-space the training images and test images were projected into the su
T-HOMEWORK
- 用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别.2． 同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。3．选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。-Use Parzen Wi
tezhengtiqu
- 脸部特征提取的论文，有效提高特征的选择准确性-new feature used in face recongise
NeC45
- 利用经典的C45算法实现特征集成选择，获得集成树分类规则-Use NeC4.5 to generate classification trees.
Image-registration
- 这是一个半自动的基于特征的图像配准程序。在程序中，需要手工选择特征点，程序会自动寻找到相匹配的特征点，然后自动计算仿射变换参数。本程序添加了一个对话框来完成图像配准的设置和相关图像配准工作。-This is a semi-automatic based on features of image registration procedures. In the program, need to manually choose feature points, and the program will
OPNET-of-the-router-capability
- 本文在阐述网络发展的现状和趋势的基础上，着重分析了两种内 部网关路由选择协议砒P和OSPF协议的实现机制和性能特点。对P 协议是基于距离矢量算法的。OSPF协议是基于链路状态算法的。本 文的工作重点是对上述两种协议分别从类型，封装，路径特征，邻居 发现和支持，路由选择数据的分发，对变化的响应，路由表计算，健 壮性／可靠性以及安全性等方面进行了对比分析，并对它们存在的安 全漏洞进行了初步的分析说明。根据以上的分析，通过On忸T软件， 本文设计了一个10km×10km规模
LDA
- 线性鉴别分析，是信号处理中一种用来筛选所需信号的常用方法。其基本思想是选择使得Fisher准则函数达到极值的向量作为最佳投影方向，从而使得样本在该方向上投影后，达到最大的类间离散度和最小的类内离散度。在Fisher思想的基础上，Wilks和Duda分别提出了鉴别矢量集的概念，即寻找一组鉴别矢量构成子空间，以原始样本在该子空间内的投影矢量作为鉴别特征用于识别。-Linear Discriminant Analysis:Fisher R A. The use of multiple measurem