搜索资源列表
K-means
- K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。(The K-means algorithm is a hard clustering algorithm, which is representative of the prototy
da
- 基于码本(codebook)的背景建模的背景差分法+级联基于LBK或haar的adaboost和基于hog的svm分类器+快速hough圆变换进行人头识别+基于区域特征的目标跟踪算法。(编程) AdaBoost是一种增强性机器学习算法,它用于把弱分类器联合成强分类器;SVM本身就是(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haa
fa(4)
- 基于码本(codebook)的背景建模的背景差分法+级联基于LBK或haar的adaboost和基于hog的svm分类器+快速hough圆变换进行人头识别+基于区域特征的目标跟踪算法。(编程)(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haar AdaBoost and hog based SVM Classifier + fast
rq(3)
- 基于码本(codebook)的背景建模的背景差分法+级联基于LBK或haar的adaboost和基于hog的svm分类器+快速hough圆变换进行人头识别+基于区域特征的目标跟踪算法。(编程) AdaBoost是一种增强性机器学习算法,它用于把弱分类器联合成强分类分类器(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haar AdaB
FCMCluster
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称( FCM)。在众多模糊聚类算法中,模糊C-均值( FCM) 算法应用最广泛且较成功,它通过优化目标函数得到每个样本点对所有类中心的隶属度,从而决定样本点的类属以达到自动对样本数据进行分类的目的。(Fuzzy c- means clustering algorithm fuzzy c-means algorithm (FCMA) or FCM. Among the many fuzzy clustering a
DeepLabV3-Tensorflow-master
- Deeplabv3 实现语义分割,可以实现标准库21个分类目标识别(Deeplabv3 segmentation)
FCM,模糊C均值聚类的MATLAB实现[matlab]-FCM
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称( FCM)。在众多模糊聚类算法中,模糊C-均值( FCM) 算法应用最广泛且较成功,它通过优化目标函数得到每个样本点对所有类中心的隶属度,从而决定样本点的类属以达到自动对样本数据进行分类的目的。(Fuzzy c-means algorithm (FCMA) or FCM. Among many fuzzy clustering algorithms, the fuzzy C-means (FCM) algor
c4.5
- C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。C4.5的目标是通过学习,找到一个从属性值到类别的映射关系,并且这个映射能用于对新的类别未知的实体进行分类。(C4.5 is a series of algorithms used in machine learning)
squeezeDet-master
- 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中,使用卷积层不只是用来提取特征图,同时也是作为输出层去计算边界框(bounding box)和分类概率。我们模型中的检测管道(detection pipeline)只包含一个神经网络的前向通路,因此它运行起来是极其迅速的。我们的模型是全卷积结构的,因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度,在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
第9章 聚类分析
- 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。(Clustering analysis refers to the process of grouping a collection of physical
30个智能算法模型
- 1-8遗传算法,9 多目标Pareto最优解搜索算法,10 基于多目标Pareto的二维背包搜索算法,11-12免疫算法,13-17粒子群算法,18鱼群算法,19-21模拟退火算法,22-24蚁群算法,25-27神经网络,28 支持向量机的分类,29 支持向量机的回归拟合,30 极限学习机的回归拟合及分类(1-8 genetic algorithm, 9 multi-objective Pareto optimal solution search algorithm, 10 multi-obje
DeepLearningImageClassificationExample
- 这是一个标准的深度学习图像分类和目标跟踪的matlab程序,效果好,运行平台为matlab2017b.(This is a standard in-depth learning image classification and target tracking matlab program, good results, running platform for matlab 2017b.)
代码
- 图像配准的过程中两种或两种以上的图像重叠了在不同的同一个场景倍,从不同的观点和/或不同传感器。这两images-the区域的几何参考和感觉到图像。目前图像之间的差异,介绍了因不同成像条件。图像配准的一个决定性的步骤所有图像分析任务在最后的信息结合了各种各样的数据能源,如在图像融合、变化检测和多通道形象得到恢复。通常,必须注册在多光谱遥感分类、环境监测,变化检测图像拼接、天气预报、创造超分辨率图像、整合信息到地理信息系统(GIS)),结合医学计算机断层扫描(CT)、核磁共振数据获得更完善的信息,如
ML-KELM1.0
- 多核极限学习器,是一种前馈神经网络,能逼近任意连续目标函数或分类任务重的任何复杂决策边界(Multi-kernel limit learner is a feedforward neural network, which can approach any complex decision boundary of any continuous objective function or classification task)
聚类分析matlab程序
- 基于一组数据的聚类分析的应用,聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。(Application of cluster analysis based on a group of data)
数据集
- 对网上一些数据集的整理,分类和归纳,对目标识别方向有用(Sorting, classifying and summarizing some data sets on the Internet, useful for target recognition)
基于遗传算法优化BP神经网络
- 利用遗传算法实现对BP神经网络的优。内容包含:GA主函数;GA-BPNN优化主函数;目标函数objfun;BPNN主函数;以及一个分类原始数据可供优化模型验证。
yolov5
- yolov5目标检测算法用于实际生活中的物体检测和物体的分类。