基于神经网络的图像分类方法，代码执行效率高，国外网站上下的，是一个完整的工程-Based on neural network image classification methods, code implementation of high efficiency, foreign Web site from top to bottom, is a complete project

·最快捷,最方便的图片上传,管理系统! ·支持批量上传,抓取远程图片,FTP导入图片 ·采用PHP5.0+MYSQL架构 ·基于最新的MP框架构建,详尽注释,方便二次开发和扩展 ·采用项目缓存机制,单入口模式,简洁,小巧,高效 ·完全UTF-8编码,方便安装在国外主机 ·自由分类,自动生成导航和内容调用 ·直接从网页复制粘贴图文,自动过滤 ·外部图片自动保存在本地 ·自动控制上传图片和本地化图片尺寸 ·自动给上传及本地化图片添加水印 ·

使用holcon基于高斯混合模型对网格的异常检测-This example program shows you how to use the GMM classifier for novelty detection to perform a web inspection task. To perform the novelty detection, * all pixels belonging to the single trained class are computed, and

随着科学技术的飞速发展，机器学习与人工智能技术的不断创新，人们对特定信息检索的需求逐渐增加，使得如何对资源进行合理有效的分类成为一个关键问题。近几年来，基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面，大多采用有监督学习方法，通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现，主要针对的是物体分类这一方面，选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本（主要从Web上获取）、图像预处理（如截成大小一致