搜索资源列表
训练样本
- 很好的训练样本方法
TI DSP的网络开发包NDK样本工程
- TI DSP的网络开发包NDK样本工程,可用与学习嵌入式的TCP/IP学习和应用.,TI DSP development kit NDK network sample projects, and learning can be used embedded TCP/IP learning and application.
根据鸢尾花多组数据先训练网络再对样本进行测试
- 基于BP神经网络，根据鸢尾花多组数据先训练网络再对样本进行测试，给出分类结果,Based on BP neural network, in accordance with multiple sets of data iris network before training again for testing classification results are given
svm.支持向量机中的训练样本的MATLAB源代码程序
- 支持向量机中的训练样本的MATLAB源代码程序,Support Vector Machine training samples in the source code of the MATLAB program
parzen.根据样本进行概率密度函数估计
- parzen窗法，功能是根据样本进行概率密度函数估计。实现了对正态分布概率密度函数和均匀分布双峰概密函数进行估计,Parzen window method, function is based on a sample of the estimated probability density function. The realization of the normal distribution probability density function and uniform distributi
rbf
- 实现了RBF网络，已载入训练和测试样本，可根据需要将其更换-Achieved a RBF network, has been printed in the training and test samples may be needed to replace
bp1
- 基本的BP算法，将训练样本和测试样本已载入，可根据需要更换上述样本-Basic BP algorithm, the training samples and test samples have been loaded, may need to be replaced in accordance with the above-mentioned samples
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-err
rbfd
- 基于径向基的神经网络程序。根据目标函数获得样本输入输出-Based on radial basis neural network procedures. According to the objective function to obtain a sample input and output
HandwrittenRecognition
- 可以对数字进行识别。并且可以自己训练样本-Figures can be identified. And can be its own training samples
wenzishibie
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-Catalog include: two source documents and source
DigitalRecognitioncode
- 使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行
boostingDemo
- adaboost的实现算法，可进行人脸的样本训练-implementation of the AdaBoost algorithm, can be a sample of people face training
spxy
- SPXY 一个用于化学计量学分析中样本选择的方法-spxy is a method called sample set partitioning based on joint x-y distances
PixelwiseImageLabeler14
- 用于分类图像，选取训练样本 基于像素点的分类工具-use to classifer images and select training examples based on pixe.
20064817924orl_faces_112x92
- ORL人脸图像库，共40人，每人10幅图像，其中每人的前5幅作为训练样本，后5幅作为测试分类样本，统计正确分类率。分类准则为最近邻规则。 真实的图像尺寸为112x92，列向量堆积对应人脸库矩阵的每一列。 -ORL face image database, a total of 40 per 10 images, each of which the first five as training samples, after the 5 categories as a test sampl
FastNN
- 简单快速近邻算法：再二维平面一矩形范围内随机产生100个训练样本，任意划分为三个区域，用快速近邻法确定待识别实验样本的所属分类-Simple and rapid nearest neighbor: Another two-dimensional plane within a rectangle of 100 randomly generated training samples, arbitrary divided into three regions, with the fast neares
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。 - Thi
greyimages
- 从大量车牌图片里面切割出来的单个的灰度字符图片，内有两个文件夹，分别为训练样本和测试集，包含了数字、字母、各个省份的简称，由于网友普遍反映网上找不到资源(纯粹的体力活，要收集各个省份的车牌真不容易！)，故分享出来，做OCR的用得上的-sigle gray character image cutted from Chinese vehicle license plates from different provinces. they are categoried into 3 kinds: num
Read_MNIST_DataSet
- 读取标准手写数字库中的图像，包含60000个训练样本和10000个识别样本-hand written digital,contains 60000 trains example and 10000 test images.