搜索资源列表
gfd
- Surface profile measurement by noncontact optical methods has been extensively studied because of its importance in automated manufacturing, component quality control, medicine, and robotics. In most of these methods a known periodic pattern,
Basedonwaveletanalysisandprincipalcomponentanalysi
- 基于小波分析和主成分分析的人脸识别研究随着社会的发展，社会各个方面对快速有效的身份验证的要求日益迫切。由 于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份 验证的理想依据。其中利用人脸特征又是最自然直接的手段，相比其他生物特征， 它具有直接、友好、方便的特点，易于为用户接受。从而，人脸识别吸引了越来 越多来自计算机视觉和信号处理等领域的关注，成为模式识别、图像处理等学科 的研究热点。-Based on wavelet analysis and princ
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
Grading-test
- 为实现合格和缺陷板栗的分级， 研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。 试验以罗田板 栗为研究对象， 提取的颜色及纹理等 8 个特征值， 通过主成分分析提取相应的主成分得分向量构成模式识别的输入。 利 用 BP 神经网络方法建立了板栗分级模型。 试验结果表明， 在图像信息主成分因子数为 3， 中间层节点数为 12 时， 建立 的模型最佳， 模型训练时的回判率为 100 ， 预测时识别率达到了 91 .67 。 研究结果表明基于机器视觉技术的针对缺陷 板栗分
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
qou_rx61
- 在MATLAB中求图像纹理特征，模式识别中的bayes判别分析算法，ICA（主分量分析）算法和程序。- In the MATLAB image texture feature, Pattern Recognition bayes discriminant analysis algorithm, ICA (Principal Component Analysis) algorithm and procedures.
qiufen_v88
- 模式识别中的bayes判别分析算法，用于建立主成分分析模型，图像的光流法计算的matlab程序。- Pattern Recognition bayes discriminant analysis algorithm, Principal component analysis model for establishing, Image optical flow calculation matlab program.