搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre
bp神经网络的车辆分类
- c语言编写的基于BP神经网络的对图像车辆分类，其中图像特征提取是用图像不变矩，给出了图像不变矩的样本数据和验证数据。-based BP neural network image of the vehicle classification, Feature Extraction which is the same image moments, the image is unchanged Moments sample data and test data.
BrowseDXF
- 此代码用于从CAD所生成的DXF文件中提取所需的实体数据，该数据是来完成自动编程系统的关键数据。-for this code generated from the CAD DXF files from the data entities, The data is to complete the automatic programming system critical data.
PlateReco
- 用于汽车牌照的定位与识别，本系统数据库平台采用windows2000,加上MS SQL Server2000,应用程序平台完全采用VC++开发，运用了动态链接库技术，数据库技术，图象处理技术和网络通信技术。 本系统的实现步骤: 1.收费单元. 2.牌照识别单元,流程如下:车辆图象采集，牌照区域提取，牌照字符切分，牌照字符识别。 3.数据通信单元.
Mybp539
- 数据是来源于图像的不变矩提取，这里是用matlab实现的，后面可能需要用vc实现，不过也不一定，数据是由房房同学提供的，说不定不用做 利用最简单的bp神经网络来实现分类，一共两类车辆，这里是模拟实现把，识别效果还能用，先凑合着把，这里的特征提取也够玄乎。
adaboost
- 基于ADABOOST的人脸检测代码，使用继承的策略，包括特征的计算，提取，ADABOOST训练，级联，最后训练出数据，还有注释，可以帮助大家研究ADBOOST-Based on ADABOOST face detection code, the use of inheritance strategies, including the calculation of features, extraction, ADABOOST training cascade, the last train out
AComparativeStudyonFaceRecognitionUsingLDA-BasedAl
- 线性判别分析(LDA)是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人脸识别 会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于I,DA的人脸识 别 文章对几种基于LDA的人脸识别方法做了理论上的比较和实验数据的支持，这些方法包括Eigenfaces、Fish— erfaceS、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法。-Low—dimensional feature representat
HCCR
- 运用仿生模式识别方法构建提取基本笔段的神经元序列覆盖手写体汉字图像, 分析笔段神经元间的拓扑性质, 将手写体汉字图像转化为具有容错表征方式的种汉字笔划类型组成的几何图形模仿人类汉字形码输人法统计具有冗余容错形状的笔划神经元类型、数量、位置、相合和相交点数量, 建立手写体汉字特征知识的数据结构表对一手写体汉字库中手写体汉字识别进行仿真实验。方法具有较强的“ 认知”手写体汉字的能力-Construction of the use of pattern recognition methods of e
setConfigFile
- 从文件中读入数据，并且识别数据以提取出某部分做出修改，修改后存入文件-Read from the file data, and identification data to extract a certain part to make changes, the revised document deposited
PR_paper
- 基于独立成分分析的人脸识别方法研究 基于流形学习的数据降维方法研究 人脸识别系统的设计与开发 基于主成分分析的人脸识别 特征提取算法的研究与改进。。。。。。 做人脸识别式一系列的参考资料 -Face recognition based on independent component analysis method based on manifold learning method of data reduction system design and developme
qwvvfg
- 基于语料库的中文姓名识别方法研究 本文在大规模语料基础上提取和分析了中文姓氏和名字用字的使用频率，研究了 中文姓名识别的评价函数，动态地建立了姓名识别统计数据表和姓名阅值-Corpus-based Study of Chinese Names Recognition Based on the large-scale extraction and analysis of corpus based on the first and last name in Chinese character
AUb
- Finger HandWriting 模式识别部分,提取特征数据，训练模型，预测结果-Finger HandWriting模式识别部分,提取特征数据，训练模型，预测结果
FastPCA_Feature_extraction-on-ORL
- 通过FastPCA在ORL人脸数据集上提取主成分脸并可视化，ReadFaces函数读取每个人的前五张图片作为实验数据集。-Extracting principal component faces on ORL_faces datasets by FastPCA and visualing them are done.ReadFaces function reads the five pictures of everyone as the experimental data set.
code
- 利用PCA提取人脸特征，。利用PCA技术降低维数去除了原始原始数据之间的关联性。-Using PCA face feature extraction,. Using PCA technology to reduce dimension in addition to the original connection between the original data.
kmeans
- 字符识别的特征提取，内附有处理前的数据和处理后的数据，解压后即可使用-Character recognition feature extraction, enclosed is the manipulation of data from the data before and after treatment, after decompression can be used
Pattern-Recognition
- 用于模式识别，一维和二维的数据分类及提取特征方程和分类边界。-For pattern recognition, one-dimensional and two-dimensional data classification and feature extraction and classification boundary equation.
SVM-GUI
- 使用支持向量机（SVM）算法进行处理数据，提取特征参数，并通过MATLAB界面显示相关数据-Using Support Vector Machine (SVM) algorithm for data processing, feature extraction parameters, and display relevant data via MATLAB interface
Pcl_object_recognition
- 基于PCL库的图像实时识别，PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行-Image library based on real-time identification PCL, PCL
fisher
- fisher准则的pca人脸识别程序example: 演示程序 creatData:生成数据 creatTrainLabelMat:生成数据标签 LDA:提取fisherface knnRecognition:knn分类器 knnsearch:knn搜索-Fisher criterion example: face recognition program PCA demonstration program CreatData: generat
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