搜索资源列表
dfdgg
- 图象处理源代码集 图像分割是图像处理、模式识别、计算机视觉等领域中极为重要的内容之一,是实现自动图像分析时首先需要完成的操作。它是根据图像的某些特征或特征集合的相似性准则,对图像像素进行分组聚类,把图像平面划分为一系列有意义的区域,使其后的图像分析及识别等高级处理阶段所要处理的数据量大大减少,同时又保留有关图像结构特征的信息。由于分割中出现的误差会传播至高层次处理阶段,因此分割的精确程度是至关重要的。-image processing source code is a set image s
WebDataMining
- Web数据挖掘作为数据挖掘技术和Internet应用研究相结合的研究领域,涉及机器学习、数理统计、数据库、神经网络、模式识别、粗糙集、模糊数学等人工智能相关技术,目前已经发展成为一个受到社会各界关注的研究热点。
datasets-UCI
- 模式识别数据集应用 神经网络算法仿真
Discretecosine-transform
- 脑神经网络信号的离散余弦分类。所谓分类就是一种模式识别。按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇,分类后同一类的数据尽可能聚集到一起,不同数据尽量分离。而离散余弦变换是一种用来数据压缩的正交变换。所谓数据的压缩实际上就是通过丢失能量较小高频分量,保留能量较高的低频分量,从而达到压缩的目的。-Brain network signal discrete cosine classification. The so-called classification is a kind of
opencv-doc
- 图像数据操作(内存分配与释放,图像复制、设定和转换) 图像/视频的输入输出(支持文件或摄像头的输入,图像/视频文件的输出) 矩阵/向量数据操作及线性代数运算(矩阵乘积、矩阵方程求解、特征值、奇异值分解) 支持多种动态数据结构(链表、队列、数据集、树、图) 基本图像处理(去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构) 结构分析(连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化)
视觉检测跟踪
- 基于视觉的目标检测与跟踪是图像处理、计算机视觉、模式识别等众多学科的交叉研究课题, 在视频监控、虚拟现 实、人机交互、自主导航等领域, 具有重要的理论研究意义和实际应用价值. 本文对目标检测与跟踪的发展历史、研究现状以 及典型方法给出了较为全面的梳理和总结. 首先, 根据所处理的数据对象的不同, 将目标检测分为基于背景建模和基于前景建 模的方法, 并分别对背景建模与特征表达方法进行了归纳总结. 其次, 根据跟踪过程有无目标检测的参与, 将跟踪方法分为生 成式与判别式, 对基于统计的表观建