搜索资源列表
MatchingPursuits
- Matching Pursuit方法，经典的稀疏表示方法，可以用人脸识别和图像分类，图像去噪，现在非常流行。-Matching Pursuit method, sparse representation of the classic, you can use face recognition and image classification, image denoising, now very popular.
DataMining3rd
- 评测数据在去掉停用词的 分类过程开放测试中,引入Good-Turing算法的分类性能比Laplace原则提高了3·05 ,比Lidstone方法提高 1·00 .而在交叉熵选择特征词的算法中,增加Good-Turing的贝叶斯分类方法可比最大熵分类性能高95 .通过这种数据平滑的算法,有助于克服因数据稀疏而引发的特征词缺失问题 -Evaluation data in the open test of the classification process to remove stop
SparseRepresentationaItsApplication
- 稀疏表达及其应用的简单介绍，其中涵盖了稀疏表示、特征提取、压缩感知、图像增强、盲源分离、模式分类、目标跟踪和图像超分辨等。PPT和PDF是对应的，并添加了可视化的结果。-Sparse Representation and Its Application: Compressive Sensing, Visual Feature, Image Enhancement, Blind Source Separation, Pattern Classification, Object Tracking a
ND-Flevoland_label
- 快速稀疏svm算法实现图像分类，有需要者可以共同讨论-Fast sparse svm algorithm for image classification, there are those who need to discuss
Modelling-Functional
- 相关向量机用于分类，可用于稀疏贝叶斯学习的研究，文章内含有RVM代码-Relevance vector machine for classification, can be used to study the sparse Bayesian learning, the article contains RVM code
Image-Super-Resolution-Algorithms
- 前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示，不能反映不同类型图 像块问的筹别．针对这一缺点，本文提出基于图像块分类稀疏表示的方法．该方法先利用图像局部特征将图像块分为 平滑、边缘和不规则结构三种类型，其中边缘块细分为多个方向．然后利用稀疏表示方法对边缘和不规则结构块分别 训练各自对应的低分辨率和-岛分辨率字典．重构时对平滑块利用简单双三次插值方法，边缘和不规则结构块由其对应 的高、低分辨率字典通过正交匹配追踪箅法重构．实验结果表明，与单字典稀疏表示算法相比
LEK-SRC
- 核稀疏用于字典学习和稀疏表示，可用于纹理分类等模式识别问题。-Nuclear sparse dictionary for learning and sparse representation can be used for texture classification pattern recognition problem.
SPP-master
- 稀疏投影保持降维算法，用于高维度数据降维分类和回归的算法-Projections remain sparse dimension reduction algorithm for high-dimensional data dimensionality reduction classification and regression algorithm