搜索资源列表
matlab作业
- 模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, supp
BP-nn
- BP神经网络分类器 程序有两种运行状态，一个是学习，另外一个是分类。在学习状态下，在Dos命令符下输入bp learn，便开始学习了，学习的结果放在weight.dat中；在工作状态下，在Dos命令符下输入bp work，便开始识别classfyme.dat中的数据了，识别完成后，结果放在results.dat中。在bp运行的任何一种状态下，都不能手工打开Weight.dat、Sample.dat、classfyme.dat、results.dat中的任何一种。~..~-BP neur
1
- 基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割 是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提 出了一种基于’() 神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于 ’() 学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联 式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实
FaceDetection
- 一个典型的人脸识别系统主要包括训练过程和识别过程。训练过程主要完成将已知人脸进行定位、特征提取与选择、以及分类器的设计；识别过程则完成将未知图片进行处理，并最终识别出身份的分类和决策
Bayes
- 使用Matlab实现，包括一维特征最小错误率bayes分类器；二维特征最小错误率bayes分类器；二维特征最小风险bayes分类器以及使用的数据集合。-Using the Matlab implementation, including the minimum error rate of one-dimensional characteristics of bayes classifier two-dimensional characteristics of the minimum error
sasdw.rar
- 现有数字信号自动调制识别方法大多只适用于无记忆信号，如PSK、ASK、FSK信号等。将有记忆 信号(MSK信号)和无记忆信号一起考虑，提出了一种改进的数字信号自动识别方法。该方法采用信号的瞬时统 计量作为特征参数，采用多层神经网络作为分类器。计算机仿真表明：当噪声采用高斯白噪声，并且信噪比大于 l5 dB时，识别率高于96％ ；当信噪比不低于l0 dB时，识别率不低于90％。,Existing digital signal automatic modulation recognition
nn
- 线性神经网络，BP神经网络，Hopfield神经网格，Elman神经网络，RBF神经网络；在模型应用模块中实现了六种实际应用：RBF网络的船用柴油机故障诊断，BP网络的齿轮箱故障诊断，SOM网络的回热系统故障诊断，BP网络的设备状态分类器，SOM网络的人口比例样本分类，SOM网络的土壤性状样本分类。-Linear neural network, BP neural network, Hopfield neural network, Elman neural network, RBF neural
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
codes
- 在3D坐标系下展示一些离散流形及流形上的1NN和kNN分类器-plot some discrete manifold in 3D Cartesian coordinate system；1NN and kNN classifiers on manifolds
jiyutezhengronghehemohuhepanbian
- 提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先，从每幅人脸图像中手工定 位34个基准点，作为面部表情图像的几何特征，同时采用Gabor小波变换方法对每幅表情图像进行变换，并提取基 准点处的Gabor小波系数值作为表情图像的Gabor特征；其次，利用典型相关分析技术对几何特征和Gabor特征进 行特征融合，作为表情识别的输人特征；然后，利用模糊核判别分析方法进一步提取表情的鉴别特征；最后，采用最 近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和
3DFaceRecognitionBasedon3DLBPandKernelDiscriminant
- 二维照片的人脸识别对光照、姿态和化妆等因素很敏感，故提出了一种将三维局部二值模式(3DLBP)和核享，1剐分析(KDA)相结合的三维人脸识剐方法．采用3DLBP描述人脸深度图像的特征，高斯核函数KDA 作为分类器，使用Chi平方统计改进高斯核函数、采用FRGC v2．0中2003春季采集的三维人脸库进行实验．实验结果表明，该 方法在每人2个训练样本时，识别率为91．8％，而PCA和3DLBP的识别率分别为60．4％和78．3％；当每人的训练样本数增至6个时，识别率为98．4％，而PCA和3D
lsvm
- 支持向量机两类分类器的源码，可以实现；效果也还行。-support vector
Gesture-Recognition-
- 本文提出一种用于手势识别的新方法，它将图像的方向直方图矢量(0Hv)与神经网络相结合。其特点在于选用 图像的方向直方图矢量作为手势的特征矢量，该特征矢量对于光线和手的平移变化具有较强的鲁棒性，这正是手势识别所要 解决的关键问题。在训练阶段，首先需要建立手势样本的特征矢量库；在识别阶段，本文选用三层BP网络作为分类器，获得 了90％以上的识别率。本文还对手势进行一定角度的旋转后的识别进行了讨论，识别结果达到预期要求。-In this paper，a new method of gest
bayes_joint variable _matlab
- 贝叶斯分类器-联合变量_C++，只需更改样本文件名即可测试。(The Bias classifier - the joint variable _C++, can be tested only by changing the name of the sample file.)
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
ga (6)
- 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(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haar AdaBoost and hog based
gmm(2)
- 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(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haar AdaBoost and hog based SVM Classifier + fast Hough circle trans
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
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