搜索资源列表
-
0下载：
支持向量机在模式识别和分类中应用广泛，
小波方法的多尺度特性也众所周知。
本文将小波和支持向量机相互结合实现特征提取。-Support vector machine in pattern recognition and classification of the application of a wide range of multi-scale wavelet method is also well-known characteristics. In this paper, wavel
-
-
0下载：
二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机
(SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽
略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸
识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
-
-
1下载：
支持向量机（SVM）是一种基于超平面分类的新的学习方法，具有很强的泛化能力。研究了支持向量机的学习机理，以及实现支持向量机的序贯最小优化算法（SMO），并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解，获取不同尺度下的小波系数，然后对其进行主元分析，得到的主元分量作为支持向量机的特征量输入。实验结果表明，该方法具有良好的分类性能。-Support Vector Machine (SVM) is a hyperplane-based classification of new learn
-
-
0下载：
实现小波变换，并用支持向量机进行识别；可以自己准备两类样本图片，进行特征提取等-To achieve the wavelet transform and support vector machine to identify can prepare two types of sample pictures, feature extraction
-
-
0下载：
本文提出了一种基于小波变换与灰度共生矩阵的人群密度特征提取方法，进而利用支撑向量机实现人群密度级别的估
计。实验结果表明本文提出的方法是可行的。-In this paper, based on population density characteristics of the wavelet transform and GLCM extraction method, and then using the support vector machine to estimate the crowd
-
