搜索资源列表
车牌号码识别matlab完整程序实现
- 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。
LicenseRecognition
- 本文件用来实现基于图像处理和模式识别的采用matlab语言编写的的车牌识别程序-This file is used to realize image processing and pattern recognition based on the use of written matlab license plate recognition program
invriablemoment
- 不变矩是模式识别里面很重要的一种技术，它可以用于提取不变性特征，从而进行模式识别，广泛用于图像处理当中，如图像特征匹配-Moment invariant pattern recognition which is a very important technology that can be used to extract invariant features for pattern recognition which is widely used in image processing, suc
DEC5416
- FIR(Finite Impulse Response)滤波器：有限长单位冲激响应滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。因此，FIR滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。-FIR (Finite Impulse Response) filters: finite impulse response filter unit, digital signal processi
LDA_coil
- 线性鉴别分析方法，数据降维，图像处理，模式识别-LDA
Binarization
- 图像二值化C程序，供matlab M文件调用，图像模式识别前预处理第一步骤-Binarization C procedures, calling for the matlab M documents, images, pre-first step before pattern recognition
nomalization
- 模式识别 图像归一化 计算机视觉的预处理 -Pattern recognition, computer vision, image normalization pretreatment
lle
- 局部线性嵌入算法，由laurance等人于2000年science上发表，广泛应用于图像处理模式识别等领域，是一种流形学习算法。-the algorithm of locally linear embedding
CS
- 压缩感知（Compressive Sensing(CS)，或称Compressed Sensing、Compressed Sampling）。该理论指出：对可压缩的信号可通过远低于Nyquist标准的方式进行采样数据，仍能够精确地恢复出原始信号。该理论一经提出，就在信息论、信号/图像处理、医疗成像、模式识别、地质勘探、光学/雷达成像、无线通信等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。-Compressed Sensing (Compressive Sensing (CS)
model4--2009011537
- 模式识别作业四，用PCA方法处理数据。并对数据进行分类/降维，做出二维图像-Pattern recognition operations data processed by PCA method. And data classification/dimensionality reduction, make a two-dimensional image
dbn DBN
- dbn DBN深度学习(波尔兹曼机DBM学习，一种新型神经网络)的matlab源码,可用于模式识别，图像处理等领域。
image-pr
- 文件包含了一个关于水果识别的例子包括图像识别处理对模式识别的学习很有帮助-File contains an example about fruit recognition including image recognition processing study is very helpful to pattern recognition
matlab-RBF
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。-RBF network can approximate any nonlinear function, can handle regular system are difficult to resolve, with good generalization ability,
DeepLearnToolbox_CNN_lzbV2.0
- DeepLearnToolbox_CNN_lzbV2.0 深度学习,卷积神经网络,Matlab工具箱 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusberg
pattern-recognition
- 模式识别有预处理和特征抽取环节应用于图像处理，资料有两种分类方式knn,suv-Pattern recognition is a preprocessing and feature extraction process was applied to image processing, there are two kinds of data classificationknn,suv
wynqpgvq
- 预报误差法参数辨识-松弛的思想，YkyWfKd参数现代信号处理中谱估计在matlab中的使用，粒子图像分割及匹配均为自行编制的子例程，应用小区域方差对比，程序简单，oOuTnns条件GPS和INS组合导航程序，BP神经网络用于函数拟合与模式识别。- Prediction Error Method for Parameter Identification- the idea of relaxation, YkyWfKd parameter Modern signal processing use
sggsdjbf
- 模拟数据分析处理的过程，调试通过可以使用，在matlab R2009b调试通过，车牌识别定位程序的部分功能，可以实现模式识别领域的数据的分类及回归，粒子图像分割及匹配均为自行编制的子例程。- Analog data analysis processing, Debugging can be used, In matlab R2009b debugging through, Part of the license plate recognition locator feature, You can
fnnaeees
- 对于初学matlab的同学会有帮助，基于人工神经网络的常用数字信号调制，阵列信号处理的高分辨率估计，BP神经网络用于函数拟合与模式识别，基于分段非线性权重值的Pso算法，粒子图像分割及匹配均为自行编制的子例程。- Matlab for beginner students will help, The commonly used digital signal modulation based on artificial neural network, High-resolution array s
arbeacfu
- 外文资料里面的源代码，各种资源分配算法实现，仿真图是速度、距离、幅度三维图像，BP神经网络用于函数拟合与模式识别，LCMV优化设计阵列处理信号，仿真效率很高的。- Foreign materials inside the source code, Various resource allocation algorithm, FIG simulation speed, distance, amplitude three-dimensional image, BP neural network fu
rbf
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network