搜索资源列表
-
0下载：
支持向量积的一些分类器训练的matlab代码-support vector plot of some classifier training Matlab code
-
-
1下载：
（压缩包里一共有5个代码）
pca+lda+粗糙集+模糊神经网络
saveORLimage.m将ORL人脸库分为测试集ptest和训练集pstudy存为imagedata.mat
1.savelda.m将人脸库先进行pca降维，再用lda进行特征提取，得到新的测试集ldatest和训练集ldastudy存为imageldadata.mat
2.对ldastudy进行离散化(discretimage.m)，得到离散化矩阵disdata,存入到imagedisdata.mat
-
-
0下载：
图象处理 模式识别 多种分类方法(最临近匹配分类器、Bayes分类器、线性函数分类、非线性函数分类、神经网络分类)识别0-9数字 手写数字与数字图片,包括设计训练样品库、可以选择多种分类器来识别识别0-9这十个阿拉伯数字，包括临时手写的数字，也包括图片中的数字
-Pattern recognition image processing a variety of classification (the most close to matching classifier, Bay
-
-
1下载：
matlab图像特征识别。分类器的训练方法。很好的学习资料。如何用OpenCV训练自己的分类器。内含人脸库共训练器使用-matlab image feature recognition. Classifier training methods. Good learning materials. How to use OpenCV train their own classification. Training face database containing a total of uses
-
-
0下载：
用matlab将图像数据库文件中的图像生成txt文档，用于训练分类器-Generated by the image in the image database file using matlab txt document, for training the classifier
-
-
0下载：
人脸检测中弱分类器的训练，是matlab程序，通过正负样本图片，可得出弱分类器-Face detection in the weak classifier training is matlab program, through positive and negative sample picture can be drawn from the weak classifier
-
-
0下载：
这个是一个SVM分类器，可以再行人检测时用来分类训练样本，再MATLAB中直接调用-This is an SVM classifier, when pedestrian detection can be used to classify the training sample, and then directly call MATLAB
-
-
2下载：
智能图像/视频处理中，复杂背景环境（比如室外环境、机场、车站等）下，人脸识别的第一步是人脸的检测。它的精确度直接影响到后期识别的结果。不过，领域内的科学家们基本上很难有足够的精力和时间开发优化的C++代码，使其用于商业用途，而一般都是只在Matlab中进行模拟。
本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。文章中的分类器的训练数据来自与我的 webcam图像，它们被采集于不同时间，不同光照，不同背景环境下，它几乎可以实时地检测
-
-
0下载：
SVDD classifier 即支持向量数据描述分类器，能将数据分为两类。本文件也提供了训练数据和测试数据，方便进行测试。(Support vector data descr iption classifier. Data can be divided into two categories .This document also provides training data and test data to make it easy to test the program.)
-
-
1下载：
使用pca方法对图像进行特征提取，对训练集的20个人的共一百张人脸进行训练，使用adaboost算法生成强分类器，可以对测试集的人脸图片进行识别，且识别率较高(The PCA method is used to extract the features of the image, and the training is carried out for a total of 100 faces of 20 people in the training set. The AdaBoost algor
-
