搜索资源列表
KDDA
- 核直接线性判别方法（kdda），主要用于人脸识别，模式分类。-nuclear direct linear discriminant method (kdda), mainly used for face recognition, pattern classification.
ImageDIP2
- “区域分割”是采用并行区域分割算法中的阈值化分割算法，阈值的选取方法是迭代阈值选取方法。 “边缘检测”是采用Prewitt边缘检测算子对图像进行边缘检测运算，Prewitt边缘算子的核心是两个3×3的卷积核（corrvolution kernel。
NeonatalFacialExpressionFeatureExtraction
- 利用快速傅立叶变换实现了人脸表情图像的Gabor变换的快速算法 针对不同尺度的Gabor小波特征采用不同的下采样因子来对Gabor变换特征进行第一次降维 利用一种改进的核鉴别分析方法对Gabor特征进行二次特征提取-using fast Fourier transform of Facial Expression Gabor transform the image of the fast algorithm for different foot the Gabor wavelet cha
testMeanShift
- meanshift核方法用于聚类，方法获得了较好的效果，对于初学者有一定的帮助
ImageRegistration.rar
- 基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
demos_for_cell_be
- IBM Cell多核处理器处理器编程示例, 通过这些程序可以学习IBM， CELL程序特有的编程方法。-The demo for IBM CELL BE, which is a multi-core processor with a Poeerpc and 8 SPU.
KFDA
- 此实验使用核Fisher鉴别分析（KFDA）方法在ORL人脸数据库上进行人脸识别试验。ORL标准人脸库共包含40人，每人10幅共400幅BMP图像。-This experiment the use of nuclear Fisher discriminant analysis (KFDA) method on ORL face database for face recognition test. Standard ORL face database contains a total of 40
KPCA
- 为解决PCA不适合多指标综合分析中非线性主成分分析的问题 ,采用核主成分分析 (kpca)方法 ,对我国不同地区 16种腐乳的品质进行了综合评价。 -PCA is not suitable to address the many indicators of a comprehensive analysis of non-linear principal component analysis of the problem, using Kernel Principal Component An
2009.0423
- 传统的边缘检测方法是对原始图像中像素的某小邻域来构造检测算子，它是采用锐化算子(如梯度算子、 拉普拉斯算子)进行的。图像的边缘检测是通过模板作为核与图像中的每一个像素点做卷积和运算，然后选取合适的阈值以提取边缘。-Traditional edge detection method is the original image in a pixel neighborhood operator to construct, it is a sharpening operator (such as the
Kernel Based Deblurring ToolBox ver
- 运用核回归方法去模糊的经典程序，效果很好，有参考文献-using kernel regression for image deblurring,it s very effective
backfitting
- 核主成分分析方法 可将低维空间数据转至高位空间的内积，再转至源空间-Kpca can be low to high dimension space data within the space of deposition, turn again to the source of space
TestWaveletKernel
- 有关图形图像的核主成分分析方法 一个很好的例子-Relevant graphic image of kernel principal component analysis method is a good example
Kernel_Methods_for_Pattern_Analysis.pdf
- 模式识别：核方法，英文版。模式识别类经典外文书籍。PR,ML类必看大作。PDF矢量版。-Kernel Methods for Pattern Analysis
7
- 本文提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN 核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV) 空间, 利用SNN 核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN 核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN 核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性. -This paper prese
learning-with-kernels
- 核学习 这是介绍核方法非常经典的书籍。里面包括各种核方法：kpca，kfda以及贝叶斯核方法-learning with kernels， this book is a classical book about kernel。 really worth of reading。
Clustering-algorithm
- 本文介绍了支持向量机基于核方法的聚类算法及其应用-This paper introduced the support vector machine based on kernel method for clustering algorithm and its application
kda-1.0
- 基于KDA的人脸识别首先利用核方法将人脸图像数据集非线性映射到一个高维特征空间中，然后在高维特征空间中利用LDA进行线性特征提取-Face recognition based on first use of nuclear KDA method will face image data set nonlinear mapping to a high dimensional feature space, and then use LDA in high-dimensional feature sp
13FaceRec
- 人脸特征提取与识别matlab程序，主要提取了PCA特征、SVM分类和核方法分类等，代码可以直接使用-Face recognition based on PCA features and Kernel methods, which is used in pattern extraction.
KCFcpp-master
- kcf 追踪代码，核方法实现,包括HOG算法-Kcf u8FFD u8E2A u4EE3 u7801 uFF0C u6838 u65B9 u6CD5 u5B9E u73B0, u5305 u62ECHOG u7B97 u6CD5