搜索资源列表
基于神经网络的数字字符识别
- 基于BP神经网络的字符识别系统~用MATLAB编写`包括论文~以及代码~适合于毕业设计-BP neural network-based character recognition system using MATLAB ~ `~ including papers and code ~ suitable for graduate design 字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的
车牌识别系统~
- 高效经典
虹膜身份识别技术
- 介绍了当前最有发展前景的生物特征识别技术一虹膜身份识别技术，它包括虹膜图像的获取、预处理、特征提取与编码以及分类几个步骤。详细介绍了当今具有代表性的虹膜识别算法，指出各种算法的特点并比较其优劣。最后，针对 虹膜识别技术存在的主要问题分析了虹膜识别的发展方向，即精度高、速度快、鲁棒性好的定位算法，高效的特征提取方法，机器学习的分类方法，虹膜图像的质量评价方法，不完整、不合作情况下的虹膜识别研究以及活体虹膜检测等。
行人和自行车交通识别
- 这是一篇关于基于BP神经网络的行人和自行车交通识别方法的论文，希望对大家有所帮助。
图像匹配
- 基于EMD和SVM的虹膜识别方法
投影特征匹配的快速钞币面值识别算法
- 投影特征匹配的快速钞币面值识别算法
基于Matlab仿真的联合变换相关器实验
- 利用Matlab软件平台对JTC进行了图像识别仿真实验，得到了二维及三维相关输出图像，显示出尖锐的相关峰。仿真实验表明：联合变换进行图像识别中存在强烈的零级干扰，干扰信号是有用信号的7.14倍，输出结果不理想；采用功率谱相减法可以消除零级强干扰，进而提高了图像的识别能力。
人体运动跟踪系统的研究与实现
- 利用图像序列中运动目标的行为特征对其表现的行为进行识别与分析的技术，它可以赋予计算机类似于人一样的观察和理解动态场景的视觉能力
基于OpenCV的运动目标识别算法与实现
- 我看过的一些文章，感觉还可以 基于OpenCV的运动目标跟踪及其实现 分享一下
参考文献
- 图像处理与模式识别方向有关英文参考文献
模式识别及其在图像处理上的应用
- 对模式识别进行了详细的概括，包括其框架、特征提取与选择以及各种算法进行了介绍。介绍了模式识别在图像处理方面的应用，以及现在存在的问题，最后做了展望。概括的很详尽
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
FaceNet-A-Unified-Embedding-for-Face-Recognition-and-Clustering
- FaceNet---深度学习与人脸识别的二次结合 Facenet是一个通用的系统，采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近，说明它们越相似。 FaceNet可以用于人脸验证（是否是同一人？），识别（这个人是谁？）和聚类（寻找类似的人？）。FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间。空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在
人脸检测算法详解
- 人脸检测作为人脸识别的第一步，那么检测的正确与否直接影响识别结果，该方法对人脸检测鲁棒性较高
Face Recognition. From Traditional to Deep Learning Methods
- 近几年，传统的人脸识别算法被深度卷积网络所代替。CNN的主要优势就是可以结合庞大的数据集提取出原先所提出不出来的优质feature,与此同时精度也提升了很多。同时CNN的出现也加速了计算机视觉的发展，例如object detection 、recognition、segmentation。
基于时域分析技术的语音识别
- 基于时域分析的语音识别，包括语音的采集，预处理，加窗分帧等环节
国外教育人工智能研究主题及趋势分析
- 基于对 Web of Science文献关键词的可视化分析，梳理并呈现了国外教育人工智能的研究主题和研究趋 势。研究发现：首先，目前国外教育人工智能的研究现状可概括为四个主题领域，分别为基于自然语言处理的 教育智能研究、知识管理与运算的可视化研究、机器教学的应用案例研究以及指向深度学习的自适应教育技术 研究；其次，国外教育人工智能研究呈现以下三个趋势：基于大数据的机器学习研究、深度学习理念引领下的 在线学习变革研究、智能识别技术支撑下的智能导师系统研究。
基于matlab的人民币面额识别
- 人民币面额识别论文，内含源码，欢迎借鉴！
VMD、MPE、GK
- 基于变分模态分解与多尺度排列熵的 生物组织变性识别* 刘备 胡伟鹏 邹孝 丁亚军 钱盛友
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码