搜索资源列表
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
一种中文文本聚类的研究.rar
- 这里设计了一个中文文本聚类模型CTCMCChinese'Pext Clustering Model)，并针对模型中涉及到的特征表示、特征提取、特征向量调整和聚类算法等问题进行了研究。
机械振动学
- 机械振动学： 《机械振动学》（研究生）（46学时内容与实施计划） Part Ⅰ.线弹性系统的振动 Chapter1.多自由度系统的振动分析 Chapter2.弹性体的振动分析 Chapter3.多自由度系统的特征值、特征向量的计算 Chapter4.振动分析的数值方法 PartⅡ.随机振动 Chapter1.随机过程概论 Chapter2.随机过程的时域分析 Chapter3.随机过程的频域分析 Chapter4.系统的响应函数 Chapter5.系统的随机振动分析 Chapter6.结构随机响
基于图像SIFT 特征的图像检索方法
- 基于SIFT特征提取,本文提出了一种多尺度的图像检索算法,将一幅图像转化为多个特征的集合,再通过计算两幅图像特征向量间的欧氏距离进行比较得出结果进而实现图像检索功能。实验结果说明该算法具有尺度、平移、旋转不变性,可以进行良好应用。
自组织神经网络在文本分类中的应用研究
- 针对信息挖掘中的文本自动分类问题 提出了一种基于自组织特征映射网络的分类方法 网络由输入层和 竞争层组成 输入层节点与竞争层节点实行全互连接 输入层完成分类样本的输入 竞争层提取输入样本所隐含的 模式特征 并对其进行自组织 在竞争层将分类结果表现出来 分无监督和有监督两个阶段完成对网络的分类训练 该方法在特征提取时充分考虑了特征项在文档中的位置信息 构造出模糊特征向量 使自动分类原则更接近手工分 类方法 以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性
Video_Image_Segmentation_Based
- 为了对光线变化的图像进行顺利侵害，提出了一 种利用贝叶斯学习方法来进行视频图像分割的算法，印先在每个像素点处对不断变化的背景建模，同时计算每个像素点 处的颜色直方图，再用这些直方图来表示该像素点处特征向量的概率分布，然后用贝叶斯学习方法来进行判断，以确定在光线缓慢或者突然变化的时候，每个像素点是属于前景还是属于背景。-In order to change the image of light against a smooth, a Bayesian learning approach t
neuralandwavelet
- 对采集到的电压信号进行小波包分解提取特征向量，再进行BP神经网络训练-On the acquisition of the voltage signal to the wavelet packet decomposition to extract feature vector and then BP neural network training
Cpp1
- 用幂法和反幂法实现求矩阵的特征值和特征向量-With the power method and inverse power law to achieve demand matrix eigenvalues and eigenvectors
111
- 这是一篇基于特征向量的名词短语指代消解研究的毕业设计文档，对中英文指代消解研究者有一定的帮助。-This is a feature vector-based Coreference Resolution of Noun phrase graduation design documents, on anaphora resolution in English and Chinese researchers have some help.
EigenvalueDecomposition
- 基于矩阵特征值分解的功率谱估计包括特征向量估计和MUSIC估计，这两种估计方法均为非参数估计方法-Based on Eigenvalue Decomposition of power spectral estimation, including estimation and MUSIC eigenvector estimates, these two estimation methods are non-parameter estimation
facial-features
- 运用于人脸识别中的特征提取方法：通过稀疏化特征向量（即使一些不重要的特征值为0），来减少运算量-Used in face recognition feature extraction methods: by sparse feature vector (even if some important features of value 0), to reduce the computation
Matrix_Pencil
- 出一种实现不同维间估计结果自动配对的二维频率估计算法。首先把二维频率估计问题转化成两个矩阵束的特征值问题。根据矩阵束的特征求出两个矩阵束的公共特征向量，并以此为基础同时求出两个矩阵束的特征值。算法估计误差与现有算法相近，但解决了现有算法普遍存在的配对难题。 -Matrix pencils play an important role in numerical linear algebra. The problem of finding the eigenvalues of a pencil
TextFeatureSelectionAlgorithm
- 在文本挖掘中，文档通常以特征向量的形式表示。为了提高文本挖掘算法的运行速度，降低占用的内存空间，过滤掉不相关或相关程度低的特征，提出一种改进的特征选择算法，该算法对特征进行综合考虑，从而更加准确地选取有效的特征。实验验证了改进算法的可行性和有效性。-In text mining，documents are usually meanwith the form of the eigenvector．In order to enhance the operating speed and red
Novel-approach-for-texture
- 为提高基于内容的图像检索系统中纹理特征提取的有效性,提出了又一种纹理图像检索方法。该方法 利用非下采样 Contourlet变换对图像进行分解, 提取不同子带和不同方向变换系数矩阵的均值和方差为特征向量, 作 为数据库中纹理图像的索引,并利用两种不同的相似度函数计算图像之间的相似度,建立了一套基于示例查询图像 的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比, 该方法不仅能降低特征向量维数,而且能取得 更高的检索准确率和检索速度。-To i ncrease t he
WignerVille2014
- 本文将小波图像分解和信息熵特征提取相结合，提出一种新的掌纹特征提取算法。该算法首先对掌纹灰度图像进行二维小波分解，再利用多分辨信息熵分别计算不同尺度下的能谱熵作为特征向量，从而实现掌纹特征提取。该算法不但避免了图像增强和纹理细化等预处理过程，而且运用多分辨信息熵的自适应计算方法来调节分解级数，使得到的特征向量长度远小于传统算法。-In this paper, wavelet image decomposition and information entropy feature extractio
Marx20110509
- 本文将小波图像分解和信息熵特征提取相结合，提出一种新的掌纹特征提取算法。该算法首先对掌纹灰度图像进行二维小波分解，再利用多分辨信息熵分别计算不同尺度下的能谱熵作为特征向量，从而实现掌纹特征提取。该算法不但避免了图像增强和纹理细化等预处理过程，而且运用多分辨信息熵的自适应计算方法来调节分解级数，使得到的特征向量长度远小于传统算法。-In this paper, wavelet image decomposition and information entropy feature extractio
0
- 利用主元分析和奇异值分解进行人脸特征提取的方法(并详细阐述其在PQRSQT中的实现过程(包括读取图像文件U计算均值脸U求特征值和特征向量(计算人脸特征参数-实现过程均给出了MATLAB代码-Using principal component analysis and singular value decomposition facial feature extraction method (and detail its in the PQRSQT in the implementation pr
matlab
- 误差的来源 非线性方程（组）的数值解法 解线性方程组的直接方法 解线性方程组的迭代法 矩阵的特征值与特征向量的计算 函数的插值方法 函数逼近与曲线（面）拟合 数值微分 数常微分方程（组）求解值积分 -The source of the error Numerical method for solving the nonlinear equation (group) The direct method of solving linear
eigenvector
- 使用matlab的小波变换特征向量和高低频系数的提取(Using matlab wavelet transform feature vector and extraction of high and low frequency coefficients)