搜索资源列表
Classify
- VC实现的手写体识别程序。实现手写数字给出不同的分类器识别结果，可心采用模板匹配分类器（最邻近模板匹配法）识别， Bayes分类器识别（使用二值数据的Bayes方法,最小错误概率的Bayes方法，最小风险的Bayes方法)，线性函数分类法识别（Fisher算法，奖惩算法，增量校正算法，LMSE算法的识别），非线性分类法（势函数法）识别，神经网络分类法识别（包括神经网络训练，神经网络建立后输出权值，测试与比较，神经网络识别）。 运行完全正确，是学习VC实现不同分类识别方法的很好代码。
FaceDetection_Based_on_a_New_Nonlinear_Color_Space
- 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人
EvolutionaryAlgorithmsforSolvingMulti-ObjectivePro
- 《Evolutionary Algorithms for Solving Multi-Objective Problems》这是一本有关多目标进化的非常值得一看的书，里面有测试标准，测试函数等内容-The solving of multi-objective problems (MOPs) has been a continuing effort by humans in many diverse areas, including computer science, engineering, e
RSC
- 人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题-Recently the sparse representation (or codin
matlabfingermatlabalgom
- 指纹分割增强代码。。包含每部实现的功能函数，以及应用程序，可以仿真测试-finger matlab algom IT S VERY GOOD FOR EVERYONE
Face-Recognition
- 人脸识别，人脸图像预处理；读入人脸库，训练形成特征子空间；把训练图像和测试图像投影到上一步骤中得到的子空间上；选择一定 的距离函数进行识别。-Recognition, face image preprocessing read into the face database, training the formation of the feature sub-space the training images and test images were projected into the su
mypro_web
- 查找与图片库中的图片形状和颜色相近的图片。 查找匹配流程：先建立图片库特征库文件（custom classifier7.clf）,特征包括形状因子、颜色直方图。核心函数是：IMAQ Particle Analysis，IMAQ ColorLearn，IMAQ Add Custom Sample。再打开菜单中“普通匹配”，可选择“打开待匹配图片”或通过摄像头“抓图”匹配。在testSamplePic文件夹中，有些待匹配图片可供测试。如通过摄像头需先在菜单中注册。主要函数有IMAQ Class
1DCNN
- 使用卷积神经网络实现心电异常分类，内含损失函数，验证集、测试集等(ECG anomaly classification using convolutional neural network)